防碰撞辅助安全是智能交通领域一项重要的主动安全应用。在5G、物联网、车联网、人工智能等新兴信息技术的推动下，智能汽车环境感知技术成为国内外研究热点。本论文主要研究防碰撞主动安全场景中，行驶环境感知与危险变道行为识别的实时高精度智能视频处理技术，重点解决高速运动、大动态尺度范围、多场景自适应、远近多目标检测识别，以及危险行驶行为智能决策等科学问题。
　　主要研究内容：通过研究典型场景动态行驶环境特征、车载视频质量影响等问题，提出实时高精度智能视频检测与识别技术，对不同远近距离、快速运动的多个车辆进行移动视频检测与识别；并结合行驶行为识别设计防碰撞容迟决策动态模型，科学评估车辆行驶行为的危险性，为智能视频辅助防碰撞应用奠定基础。
　　关键技术与创新：针对车辆行驶环境动态特征，包括远近多目标、高速大位移、动态尺度变化等运动特征，以及光亮变化、抖动干扰、各种气象条件、遮挡重叠等视频质量问题，在光流视频检测、神经网络识别、运动行为识别、防碰撞风险模型等理论基础上，通过科学建模、特征提取、结构优化、自适应设计与算法设计,提出了特征融合光流自适应检测(Feature-fusion Optical Flow Adaptive Detection,FOFAD)、多尺度深度残差网络识别（Multi-scale Deep Residual Network Identification,Ms-DRNI）、运动特征聚类角点行为分析以及结合车辆行为的防碰撞容迟风险决策等创新技术与方法。
　　本文基于Ubuntu16.04操作系统搭建了智能视频模拟测试环境，在晴天、雨天、阴天及夜晚、高速路段等典型场景下，进行了算法模拟测试与对比试验，获取了性能指标评估结果。结果表明新方法优势如下：FOFAD的查准率PR与查全率RE良好，综合评价指标FM约90%，处理速率达47帧/s；Ms-DRNI的平均识别率达86.7%，处理速率达40帧/s。继而，以前方车辆变道行为可能引发危险的应用场景为例，采用连续时间车载视频测试防碰撞危险识别性能，运动特征聚类角点行为分析方法识别出前方车辆变道行为，识别率87.63%，处理速度388.14ms/帧；防碰撞容迟风险决策模型的预警性能优良，误警率8.57%，漏报率4.00%。
　　综上，新方法在降低复杂度的同时，提升了智能车辆对周围环境感知的实时性、准确性及鲁棒性，增强了对多种典型复杂行驶环境下的场景适应性，验证了基于智能视频防碰撞辅助安全应用的可行性。