基于单目视觉的行人检测其在车辆行驶安全系统中的重要地位已经成为当前单目视觉和车辆行驶安全领域最为重要的一个研究课题。它的核心是将摄像头安装在车辆上来检测行人,以便预测出潜在的可能发生的危险并及时采取相应的措施保护行人。行人检测系统目标是在行进的汽车上建立一个相对独立的、智能化的行人检测系统,此系统能够提高驾驶人员的安全性,同时保障行人生命以及财产的安全。随着社会的不断进步,经济的不断发展,相关技术研究的深入,行人检测技术在可以控制的环境下已经取得一些成果。可是,行人是具有相当复杂的细节变化的自然目标,这种复杂且细节的变化使得行人检测的难度加大,其主要表现在行人的姿势、步态、遮挡、不同天气(晴、雨、雪等)及光照条件等,而且图像或着是视频中的行人往往是在错综复杂的环境中,使得人体的检测与人体的跟踪成为计算机的视觉研究领域当中最为困难的一项挑战之一。本文针对行人检测与跟踪当中遇到的行人的姿势、步态、遮挡、光照条件等问题,研究并提出了相应的解决办法,不同天气下(晴、雨、雪等)行人分割问题是本文研究的重点,最终的目标是建立一套较为完整的行人检测与防碰系统,满足现实应用中的需要。主要研究的内容包括以下几个方面：(1)迅速、有效、准确的行人分割算法。基于类Haar特征和AdaBoost学习算法训练分类器,使训练的分类器能满足基本实用化的要求。(2)不同天气(晴、雨、雪等)下行人检测的处理。将基于类Haar特征和AdaBoost学习算法训练得到的多级弱分类器进行联级训练得到强分类器,实现不同天气(晴、雨、雪等)情况下的检测,扩展了此算法的实际应用的范围。(3)提出了基于二进制粒子群优化(BPSO)行人识别算法,以提高行人识别的准确性。(4)基于结合Mean-Shift的Kalman行人跟踪算法对目标进行跟踪。此算法的提出对多行人的跟踪有着重要的意义。本文运用此方法进行二维空间的运动仿真研究和室外环境下的实验测试分析。(5)在行人检测系统的基础上建立防碰系统,将算法实用化。将基于类Haar特征和AdaBoost学习算法建立的行人检测系统与车辆结合并建立防碰报警系统中,建立一套较为完整的面向行人检测与防碰报警系统,满足现实应用中的需要。通过大量的实验数据和试验的结果表明,本文提出的算法在正确率、误检率以及检测速度等方面可获得良好的结果,是一种综合性完整、实时性、鲁棒性效果很好的行人检测与跟踪算法。