基于计算机视觉的行人检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。其目的是利用安装在运动车辆上的摄像机检测行人,从而估计出潜在的危险以便采取策略保护行人。本文首先论述了红外图像下行人检测的一般概念和一些目前的检测技术现状,其次针对红外图像的检测算法做出了改进。在红外图像检测算法中,首先要对图像中的感兴趣区域进行分割,这也是行人检测算法最关键的步骤。本文重点对行人分割算法进行设计。首先对红外图像进行灰度转换,然后对图像进行去噪声处理和图像增强处理。考虑到单阈值的二值化处理结果并不理想的情况,本文采取了双阂值的分割方法,并通过对遗传算法的研究,提出了把交互式遗传算法应用于图像预处理领域,即利用交互式遗传算法寻找双阈值二值化图像算法的最优参数,实现图像分割的较好效果。得到较好的二值图像后,对图像进行形态学运算和小面积去除处理。在感兴趣区域分割的步骤,提出连通区外接矩形框与对称轴特征相结合的算法来提取潜在的行人候选区域。在行人识别部分,提取行人候选区域的HOG特征。把行人库与非行人库输入SVM支持向量机进行离线训练,得到分类函数后输入HOG特征可以识别该区域是否为行人。在仿真部分,首先讨论不同的寻找最优值的方法对图像分割的影响。然后在道路场景下采用Visual Studio2005和Matlab技术仿真,并对仿真结果进行分析。实验结果证明了算法的合理性和有效性。