近十年来我国汽车行业一直发展迅速，汽车保有总量持续较快增长。但与此同时，交通事故量的增长也越发的严重，给现代社会带来巨大的损失。据统计，交通事故中近三分之一（32.7％）是发生在低光照条件下的。因此在低光照条件下的车辆主动安全技术成为了国内外研究的重点与难点。本文重点研究低光照条件下的车辆主动安全技术，通过对摄像机拍摄的车辆前方视野的视频进行车辆检测、车辆跟踪、测算车距等操作，实现前方车辆防碰撞预警。本论文的主要研究工作如下：1.针对低光照条件下的环境，提出了摄像机的曝光度和颜色空间的设置，使采集到的图像更易于车辆检测与跟踪。2.针对低光照条件下采集的图像，提出了变换图像尺度、划分检测区域、图像增强等一系列图像预处理的方法，使得本文的车辆检测算法在减少了计算量的同时又提高了检测的准确度。3.针对低光照条件下采集的图像的特征，提出了一种基于尾灯的车辆检测算法，它包含尾灯区域检测和车辆区域验证两个部分。尾灯区域检测部分是通过分析尾灯颜色信息来实现，车辆区域验证则使用了adaboost分类器作为验证分类器，排除了大量非车辆区域。4.研究采用了一种基于压缩感知的车辆跟踪算法。该算法是一种生成式与判决式相融合的在线跟踪算法。经过实验对比，其算法效果要比经典的BoostingTrack精度更好。5.研究了摄像机标定的基本原理和常用方法，通过对摄像机内外参数的进行标定实现了二维图像与三维空间的映射。通过检测和跟踪到的车辆位置，测算出与前方车辆的车距，给出了前方车辆防碰撞预警的决策方法。