随着社会经济水平不断提高,汽车保有量的快速增加带来交通事故的大量增长。作为交通参与者中易受伤害群体之一,行人在发生交通事故时往往会受到严重伤害甚至死亡。行人检测作为车辆驾驶辅助系统核心功能之一,能够有效降低行人伤亡风险,具有保护行人安全的重要意义,目前行人检测已经成为汽车产业界和科研机构研究的热点之一。本文在对目前基于视觉的行人检测算法进行深入研究的基础上,提出了一种复杂场景中驾驶辅助系统实时行人检测方法,并基于NVIDIA Jetson TX2开发者套件搭建了行人检测算法试验平台,通过道路试验验证了该方法的实时性、准确性以及可靠性。本文研究内容主要包括以下几个方面:基于ResNet设计了复杂场景行人特征提取网络。设计了一个深层特征提取网络结构,在网络中增加批标准化层和残差模块,加快网络收敛速度,同时避免出现网络退化现象;设计了一种随机非线性激活函数,通过在激活值输出中加入一定的波动,增加网络对数据分布鲁棒性的同时提升网络性能,得到一个鲁棒、高性能的复杂场景行人特征提取网络。基于行人特征提取网络设计了一个多尺度特征融合行人检测网络。针对道路环境复杂场景中行人背景复杂多变、尺寸姿态变化大等特点,在不同尺度特征图上分别进行行人位置回归;基于预设行人边界框回归机制,同时采用ISODATA对数据集中行人边界框尺寸进行聚类,并将聚类中心作为预设行人边界框尺寸,提升不同尺寸行人的检测效果;基于交叉熵函数和均方差函数设计了多任务损失函数,并对宽、高度损失函数进行归一化处理,进一步改善小尺寸行人检测效果,最终得到一个准确、快速的行人检测网络。基于NVIDIA Jetson TX2搭建了行人检测算法试验平台并进行了道路试验。为满足试验平台实时行人检测需要,采用单深度卷积和单点卷积对行人检测网络进行轻量化操作,保证检测准确率的同时提高了检测速度;建立了道路行人数据集,并利用该数据集对网络进行微调,使网络适应道路环境行人检测任务;在试验平台上采用训练后的轻量化行人检测网络进行了道路试验,试验结果表明:轻量化后的行人检测网络对道路环境中不同场景行人均具有较好的检测效果,且具有较快的检测速度,能够满足驾驶辅助系统行人检测实时性需要。