智能安全辅助驾驶系统是L1级阶段可规模化使用的智能汽车产品，引发了世界各国的激烈角逐。我国研发该类系统面临两大难题：其一为我国道路结构与交通环境十分复杂，单一环境传感技术难以满足感知准确性和实时性的综合要求；其二为由于场景具有时变性和不确定性，且不同驾驶员驾驶风格各异，现有驾驶辅助系统对驾驶人特性的适应性差，造成实际车辆的驾乘体验不佳。针对智能安全辅助驾驶系统面临的挑战，本课题创新成果如下：首先提出了复杂交通环境多源信息融合感知方法：针对汽车行驶环境目标动态多变的感知难题，提出了异构低成本传感器（毫米波雷达+摄像头+超声波雷达）多特征分级融合的实时感知方法和目标行为识别方法，建立了行人和骑车人的深度网络联合检测与动态跟踪模型，研发了基于道路形态连续性的车载传感器在线自校正技术，率先将车辆和车道线的识别准确率同时提升至98%以上，行人和自行车的联合识别率较国际主流方法提升4.5%。同时提出了自适应驾驶人行为特性的安全辅助方法：针对传统辅助驾驶系统参数固化，目标单一，无法适应驾驶人特性的难题，揭示了驾驶人对行车风险的影响机理，建立了基于跟踪误差敏感度的跟驰模型，提出一种具有自适应驾驶人特性和动态道路环境的汽车追尾预警/避撞算法，同时实现驾驶人行为特性关键参数的在线自学习和报警/避撞阈值的优化自调整，提高了系统对不同驾驶人的适应性，有效提升了驾驶人对系统的接受程度。