基于全景视觉的汽车行驶环境监测系统可以为驾驶员提供全景成像和目标检测两大驾驶辅助功能,是主动安全领域的重要技术,具有重要的应用价值。现有的目标检测功能主要基于雷达或普通摄像头实现,其检测算法对于大视场、大畸变的鱼眼摄像头并不适用。本文首先对全景成像系统的标定方法进行改进从而快速获得精确的系统参数,然后对基于全景视觉的行人检测算法进行研究。主要研究内容包括:分析了全景成像系统的标定原理。通过对比实验选择折反射模型作为鱼眼摄像头的成像模型,以此为基础进行摄像头的标定和全景成像系统的标定。为鱼眼摄像头设计一种由三个相互垂直的标定板组成的立体标定板,使标定时角点完全覆盖摄像头,从而充分利用鱼眼图像边缘部分以获得更精确的摄像头参数。在全景系统标定板上添加定位块,保证系统标定的稳定性。对鱼眼图像进行前视图投影和直方图均衡化,完成预处理。建立归一化的行人样本库。分别对常用的行人描述特征和机器学习算法进行分析,包括Haar特征结合AdaBoost算法,HOG特征结合SVM算法,以及卷积神经网络进行分类器训练实验,对所得分类器和训练过程进行评价,总结各自的特点。对行人局部HOG特征与整体HOG特征进行对比,提出基于ROI-HOG特征训练SVM分类器;设计卷积神经网络行人检测分类器,优化网络结构参数,并结合无监督CNN提取特征与线性SVM分类器监督学习形成组合分类器,实现快速准确的行人检测。为充分利用鱼眼图像的大视场,研究如何克服图像边缘的大幅度变形。提出了多横摆角前视投影的方法,将一幅鱼眼图像展开为不同横摆角的前视投影图,然后进行行人检测。图像任意位置的行人在某一范围内的虚拟横摆角下的前视图中,都可去除仿射变形恢复正常人体比例,方便后续进行行人检测。通过实验总结前视图横摆角设置规则,尽量减少一幅鱼眼图像的展开数,减少检测耗时。进行实车全景系统标定实验,结果表明系统具有较高的标定精度和标定稳定性。采集行车视频数据,逐帧标记行人形成测试集,在PC上设计评估软件,运行行人检测程序,评估行人检测算法性能,结果表明在一定距离范围内本文算法可以实现较高的行人检测率。