汽车盲区检测作为汽车主动安全的重要组成部分，受到越来越多的研究人员的关注。汽车盲区检测为驾驶员安全的并线提供了重要的参考依据。传统的基于图像机器学习的汽车盲区检测在白天能够很好地发挥作用，但是在夜间由于光线不够充足，传统的盲区检测不能很好地识别出盲区的车辆，使得盲区检测系统不能很好地为驾驶人员提供足够的参考信息，达到规避危险的作用。

为了解决传统的基于图像的汽车盲区检测在夜间适应性不强的问题，将汽车最明显的特征-前照灯光斑引入到盲区检测中，将后车前照灯形成的光斑作为车辆的识别特征。通过估计运动矢量以区分正在接近的光斑和背景噪声斑点，然后将识别出的主要的两个斑点配对组成后车车灯，从而识别靠近的后车。当系统识别出车辆盲区有靠近车辆时，通过发出警报声来提醒驾驶人员。

通过仿真来测试和验证所提出的夜间车辆盲区检测算法。通过汽车后置摄像头拍摄的夜间市区和高速公路的视频进行剪辑来形成仿真所需要的图像素材。仿真结果显示，该算法的准确率高达93.6%，查全率高达（Recall）100%。在这些模拟结果中，虽然所有接近车辆都被检测到并精确地发出警报，但旁边车道的车辆以及背景灯光会影响该系统，从而发出误报，导致精度下降的问题。