感知道路环境是智能车辆视觉系统一项非常重要的工作。现在智能车辆系统的研究主要以可见光图像为研究对象,然而,可见光相机存在对光照和阴影比较敏感,且在夜间无法应用的缺陷。而利用红外图像则可以克服这些因素的限制。但是与此同时,红外图像又存在纹理特征少,边界不清晰的弱点。本文针对红外图像的道路边界检测和行人检测问题展开研究,论文的主要工作和成果为:1.针对红外道路边界检测问题,设计出一组针对红外图像特性的邻域窗口特征,进而采用随机森林分类器得到道路边缘概率图。在此基础上,通过采用基于Freeman链码的边界提取和二次多项式逼近等手段成功获得了对道路边界的精确估计。利用实车采集的多种路况图像进行实验证实了该算法的有效性。2.针对红外行人检测问题,借鉴人眼视觉系统的显著性机制,利用物体的边缘信息构造潜在的行人目标候选区域,以此替代传统的行人检测中暴力搜索的滑动窗口,有效抑制了对前景目标进行检测的过程中来自背景的干扰,在此基础上采用级联分类器对疑似区域作出进一步的确认,最终实现了红外图像中的行人检测。论文分别在自己采集的数据库和公开数据库上进行了性能测试,结果显示了本文算法的有效性。