基于计算机视觉的行人检测由于其在车辆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。其核心是利用安装在运动车辆上的摄像机检测行人,从而估计出潜在的危险以便采取策略保护行人。行人检测属于目标检测的一部分,同时,行人检测又是目标检测领域的一大难点。尽管在计算机视觉领域,目标的检测和跟踪技术已经研究了十多年,但仍是一个活跃的研究领域。目前还没有一个通用的,健壮的,精确的,高性能的,和实时的目标检测和跟踪算法。由于人体固有的一些特性,应用场景的复杂性,人与人或人与环境之间的相互影响,使得人体的检测和跟踪是计算机视觉研究领域中最难的一项挑战。本文主要以单目视觉传感器作为车辆前方环境信息获取的主要手段,进行了运动车辆前方行人检测技术的研究。基于视觉的行人检测系统一般包括两个模块：感兴趣区分割和目标识别,本文介绍了这两个模块所采用的一些典型方法,分析了每种方法的原理和优缺点,并在传统方法的基础上,提出新的行人分割方法。为了更加快速地检测行人,本文将人脸检测中的AdaBoost算法应用到行人检测中,将其和行人形状特征相融合,提出了基于AdaBoost算法与行人形状特征融合的行人分割方法,将车辆前方不同区域的行人候选目标分割出来。根据行人的灰度图像有一定的纹理特征和灰度对称性特征,同时由于行人连续的边缘使得图像的轮廓特征明显,本文采用支持向量机算法训练得到识别行人的分类器。试验结果表明,本文提出的算法能够实现对车辆前方不同尺寸、颜色和形状的行人进行有效地识别,对于静止和运动的行人都有良好的检测效果,系统的实时性较好。