行人检测是计算机视觉领域的一个研究热点和前沿方向,在车载辅助驾驶系统中具有重要的应用价值和意义,通过检测车前行人并及时预警,驾驶员可以采取有效措施保护行人,从而保障了道路交通安全。本文研究的主要内容对行人检测算法进行研究改进,在MATLAB平台上进行设计与仿真,建立嵌入式的行人检测系统,对算法进行DSP平台上的移植。在行人检测算法的设计与仿真方面,本文将行人检测看作一个两分类问题,重点研究和分析了基于统计学习的方法——AdaBoost算法,并针对其检测精度有待提高的问题,提出一种将支持向量机与AdaBoost算法相结合的方法。特征选择是行人检测中的一个关键技术,本文使用梯度方向直方图(HOG)特征作为分类器的输入,同时,吸取Viola的Haar-Like特征可变尺度的特性,构成多尺度HOG,描述行人不同尺寸区域的特点,得到更多的细节信息,并在样本权重更新过程中引入非行人样本的误检率,离线训练级联结构的分类器,在线进行行人检测。实验结果表明：选择特征数目为5个、8个时,改进后的AdaBoost算法的检测率和计算时间分别为99.8%和577.66s、99.8%和970.73s,检测率优于传统AdaBoost[法。在INRIA行人数据库上训练了一个六层结构的级联分类器,使用特征数目为46个,检测率达到96.74%,而误检率仅有3.26‰。TI公司的TMS320DM642芯片是一款面向数字媒体的高性能数字信号处理器,本文采用它作为系统视频处理部分的核心器件,以ICETEK-DM642-PCI(?)(?)发板为硬件开发平台,软件设计采用实时操作系统DSP/BIOS工具,对任务进行配置和合理调度,在RF5参考标准框架上,构建基于DSP的行人检测系统,实现了视频数据采集、显示模块的功能设计。