基于机器视觉的行人检测预警在汽车安全驾驶中起着重要的作用,是目前车辆前沿技术和自动驾驶等领域急需研究的方向之一。本文的研究集检测与预警于一身,实现一种高效的行人检测预警方法,然后通过设计一款用户页面操作友好的软件,采取对比实验的方式,分析验证改进研究的效果,其主要工作内容如下:(1)首先就基于行人检测与预警研究方法这个课题的背景和意义做了描述,然后查阅相关文献就目前阶段国内外行人检测以及预警技术的研究现状分别进行了介绍。其中行人检测分为基于传统类型的检测方法:HOG、DPM和ACF等,以及基于深度学习检测框架下的:R-CNN和YOLO―两大家族‖系列的算法进行简单的阐述,并对比分析它们的检测效果。(2)研究了一种基于YOLOv3的高效行人检测方法。该算法是对YOLOv3进行改进,首先通过简单聚类对图像特征进行提取,得到相应的特征图,再通过抽样K-means聚类算法结合核函数确定目标的位置,以达到更好的聚类。针对小目标特征信息进行多尺度融合,提高小目标的检测效果,然后分别对单目标、多目标以及白天和晚上多各种情况下的小目标检测进行了验证,实验验证该算法在采集的视频中行人的检测有较高的精确度。(3)对行人模糊预警算法研究。本文采用一种模糊预警算法对车辆前方行人预警,并利用MATLAB软件自带的GUI和Fuzzy工具箱,综合考虑影响行人安全的因素,建立一个类安全距离模型进行仿真实验,在相关的驾驶经验基础上分别以行人的大小以及位置信息为主要的判断依据,去综合预警车辆前方的行人是否会出现危险,最后对预警结果进行程度划分:安全、注意、危险三个等级。实验结果证明模糊预警算法计算量小、预警速度快以及预警效果明显,可以有效的对车辆前方行人进行不同等级的预警,提醒驾驶员进行处理。最后运用Py Qt设计开发一款使用简单、检测精确度高的行人检测软件。根据软件的功能和实用性能的需求用Py Qt设计软件界面,并编写程序实现行人预警功能。实验结果表明,所设计的软件可以准确、稳定地运行。