智能驾驶作为未来汽车发展的重要方向,其核心高级驾驶辅助系统(ADAS)已经经过十几年的技术发展,其功能在不断地丰富、可靠性也在不断地提升。基于计算机视觉的行人检测由于其在驾驶辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。本文针对车辆辅助驾驶系统中的行人检测模块的相关算法进行深入研究,并在最后提出一个可以实际部署的行人检测系统。在实际应用中,行人检测面临着更多高难度的挑战。主要体现在以下方面:一是场景复杂,包括目标差异明显、运动模糊、小目标检测以及光照剧烈变化等,因此对算法本身的鲁棒性要求高;二是受限于车辆的成本限制,辅助驾驶系统很难像无人驾驶车辆一样采用激光雷达进行快速的目标初判定,缺少了一种良好的感兴趣区域确定方式;三是系统是一个实时工作系统,对算法的时间开销要求高,复杂的算法或者使用的模型过大,实时性难于满足;四是使用高性能处理设备来处理,在车辆安装过程中存在体积过大,散热性能差,同时大幅地增加成本。为解决上述问题,本文提出了一个实时行人检测框架,解决方案主要包含以下部分:(1)ROI的确定:基于groundHog算法,本文采用了一种快速地多尺度自适应的行人感兴趣区提取方式,并给出工程实现代码,对框架的加速效果非常明显;(2)检测器:本文提出使用级联的思想来缓解算法速度和精度之间的矛盾。并在DPM的改进过程中提出了一种有监督的阈值选取方式,相对于以前的无监督阈值选取方式具有更好的鲁棒性。最后用实验证明去除不必要的模型对算法性能的损失是可接受的,对速度的提升是明显的;(3)多目标跟踪器:为了更好判断目标的漂移和丢失,提出了使用一个预训练的行人分类器作为基准,并且综合考虑生存时间的和分类器的结果最后做出目标漂移或丢失的判断,相对于以前响应阈值或者波峰旁瓣比的方法更加可靠。同时为了更加适应实际场景中行人的尺度变化,提出了粗到精的权重偏向地尺度搜索,以实现更加精确地逼近真实目标尺度;(4)为了解决在硬件触发采帧时,检测器和跟踪器的速度失匹配导致的系统奔溃问题,在最后本文提出了图像分区域的轮询访问方式;(5)本文构建了一个性能优越的行人检测系统。