在实际汽车驾驶过程中,会受到不同因素的影响,存在着很多风险,为了达到提高行车安全性的目的,尤其是针对夜晚行车,长时间驾驶等情况,一个性能优越的汽车辅助驾驶系统能够达到提高汽车行驶安全的效果,以免减少汽车各类交通事故。论文首先介绍了行人检测的研究背景以及意义。分析了国内外的研究现状,对于基于红外成像的行人检测方法存在的难点以及重点进行分析。针对传统的SSD行人检测算法中存在的问题主要展开以下几个方面的工作与创新:(1)提出了基于浅层特征融合网络的行人检测算法:提出了一个基于SSD网络的浅层特征融合网络检测算法。该算法参考了原始SSD网络的结构,将原本的38*38以及19*19的先验框输出层,进行最大值修订,同时将修订后的输出层与原始的输出层进行融合得到一个新的特征融合层,并将其作为先验框的网络输出层,最后将输出的先验框返回于输入图像。该算法在同一张测试图像上的准确率提高了10%-20%。(2)基于亮度自适应调节的图像预处理方式:详细分析了可见光成像与红外成像的不同特点。将原始图像直接输入到课题所采用的目标检测器中,检测精度会受到很大的影响。针对于此问题,论文提出了一种基于亮度自适应调节的处理办法,通过修正,重构图像的亮度特征使输入图像的细节特征,纹理特征更加明显。此外,论文将此种优化方式代替传统SSD网络的光学变换,使得检测精度达到最优。