La detección automática de vehículos en movimiento es un componente integral de muchos sistemas avanzados de asistencia al conductor. El método basado en la fusión de información multi-visual, con sus ventajas exclusivas, se ha convertido en uno de los temas importantes en este campo de investigación. Durante todo el proceso de detección, hay dos puntos clave que deben resolverse. Uno es encontrar las características robustas para la identificación y el otro es aplicar un algoritmo eficiente para entrenar el modelo diseñado con información múltiple. Este artículo presenta un modelo SVM (Máquina de Vectores de Soporte) adaptativo para detectar vehículos con estimación de rango utilizando una cámara a bordo. Debido a factores extrínsecos como sombras e iluminación, prestamos más atención a mejorar el sistema con varias características robustas extraídas de un entorno de conducción real. Luego, con la introducción de un algoritmo genético mejorado, las características se fusionan de manera eficiente mediante el modelo SVM propuesto. Para aplicar el modelo en el sistema de advertencia de colisión frontal, se proporciona simultáneamente información de distancia longitudinal. El método propuesto se implementa con éxito en un automóvil de prueba y los resultados experimentales de evaluación muestran fiabilidad tanto en términos de la tasa de detección como de la efectividad potencial en un entorno de conducción real.