近几年,随着无人驾驶、智能辅助驾驶技术的发展,双目立体视觉技术在其中的应用越来越广泛,双目视觉模仿人类两只眼睛从两个角度观察一个物体,根据双目视差感知物体的距离。在智能辅助驾驶系统中,需要对车辆前方的目标物体进行实时检测和精准测距,并及时预警驾驶员采取安全措施进行制动,而行人作为该技术避障任务中最重要的目标,对行人的精确识别与精准测距具有非常重要的意义。基于此,本文结合YOLOv3目标检测技术和双目立体视觉技术对行人检测和行人测距展开研究,本文主要从以下两个方面进行研究:（1）行人检测部分。在行人检测与测距的研究当中,准确识别是准确估算距离的第一步,行人检测的精度将大大影响最后的测距结果。针对YOLOv3主干网络Darknet-53提取特征能力差,容易出现漏检和误检的情况,本文构造一种新的主干网络Dense＿Darknet,利用Dense Net模块代替原主干网络中的部分残差模块,通过密集连接的方式来增加对小目标的特征提取能力;针对YOLOv3颈部连接处的特征表达能力差,特征容易丢失问题,在主干网络尾部的特征层（13,13,1024）、（26,26,512）和卷积加上采样结果之间添加CBAM注意力机制模块构建新的网络模型。最后通过实验证明改进后的网络架构精度比原YOLOv3检测模型精度上提高了8.7%,与其他模型相比无论速度还是精度总体效果较好。（2）双目视觉行人测距部分。针对目前远距离、小目标行人测距误差大,测量范围有限,本文提出了一种结合YOLOv3行人检测算法和SGBM双目立体匹配算法的测距方法。通过以左图像为参考图像,对行人检测的结果与右图像进行立体匹配,立体匹配过程中将每个像素点与右图像匹配点的视差值映射到左图像上,从而获得行人视差图,比较视差图中同一区域内所有点的深度距离,得到目标区域内的最小距离,即为行人离双目相机的深度距离。最后对实际场景中的行人进行实验验证,结果表明,距离在10米以内测距误差不足5%,满足测距要求;与现有测距方法相比,本文测距距离更远,测距误差更小。（3）由笔记本电脑和DUAL-100M-60双目相机搭建的硬件平台,在Windows系统下利用tkinter库实现行人检测与测距系统软件界面的开发,构建行人检测与测距系统,通过校园场景内进行了单个和多个行人识别与测距实验验证系统的可靠性和健壮性。