Η ανάπτυξη ενός ενσωματωμένου στο όχημα συστήματος υποβοήθησης του οδηγού για αποφυγή συγκρούσεων με άλλα οχήματα, βρίσκεται τελευταία στο επίκεντρο του ενδιαφέροντος. Στα συστήματα αυτά η αξιοπιστία αποτελεί ένα πολύ σημαντικό παράγοντα. Στην παρούσα εργασία αναπτύσσεται ένα σύστημα αναγνώρισης προπορευόμενου οχήματος βασισμένο σε εικόνες οι οποίες λαμβάνονται από βιντεοκάμερα που έχει ενσωματωθεί στο όχημα. Η μεθοδολογία την οποία επιλέξαμε να εργαστούμε περιλαμβάνει τον εντοπισμό των κόκκινων εικονοστοιχείων στην εικόνα και τη δημιουργία της αντίστοιχης δυαδικής εικόνας. Στη συνέχεια, με μορφολογική επεξεργασία της δυαδικής εικόνας εντοπίζουμε τις περιοχές που αντιστοιχούν στα πιθανά φανάρια του οχήματος. Με βάση τα σημεία των πιθανών φαναριών καθορίζουμε την περιοχή στην οποία περικλείεται το όχημα. Για την επιβεβαίωση της ύπαρξης οχήματος στην περιοχή αυτή, εκτελούμε έναν έλεγχο συμμετρίας βασιζόμενοι στην ομοιότητα των υποεικόνων και συνεχίζουμε με τον προσεγγιστικό υπολογισμό της απόστασής του. Τέλος, παρουσιάζουμε τα αποτελέσματα της μεθόδου, τα συμπεράσματα που προέκυψαν και προτείνουμε κατευθύνσεις για μελλοντικές βελτιώσεις. / Developing on-board automotive driver assistance systems aiming to alert drivers about possible collision with other vehicles has attracted a lot of attention lately. In these systems, robust and reliable vehicle detection is a critical step. In this work a vehicle detection system is developed based on video frames grabbed by a camera mounted on the vehicle. Vehicle detection is mainly based on the detection of its red rear-lights. First we detect all red pixels of the frame and create the corresponding binary image (mask). Then we detect the areas that possibly constitute vehicle’s rear-lights by performing morphological binary image processing. Based on that, we determine the boundary of the vehicle. To verify the presence of the vehicle in this area, we perform a symmetry test based on sub-image similarity. Finally, we present some experimental results and give directions for future improvements.