由于光照条件较差,夜间的车辆驾驶要比白天更危险,而且夜间的安全监控也常常出现漏洞。为了提高夜间的驾驶安全性,提高夜间智能监控的准确性,越来越多的研究开始关注于夜间的行人检测技术。由于在红外图像中行人与背景的区分度要比可见光图像更为突出,因此基于红外图像的行人检测技术具有较大的潜力。然而红外图像的质量较差(低分辨率,低对比度,较少的可区分特征点,稀缺的纹理信息等),这给行人检测带来了很多困难。梯度方向直方图(HOG)和局部强度差直方图(HLID)是很好的行人检测单特征,但它们很难区分与行人具有相似轮廓的物体。而且红外图像中行人轮廓内部的亮度信息在HOG和HLID中并没有能很好的发挥作用。为解决以上问题,本文在研究目前常用的行人检测特征的基础上,提出了专门针对于红外图像的行人检测特征。结合HOG以及强度直方图(HOI)特征各自的优点,通过支持向量机(SVM)的帮助,得到了一种新的适合红外图像行人检测的特征——梯度方向和强度直方图混合特征(HOGI)。实验结果表明和HOG相比,HOGI在不增加特征维度的情况下,在同等误检率下漏报率平均降低了50%,计算效率平均提高40%。考虑到智能辅助驾驶等领域应用的实时性需求,结合自主车辆中安装的激光雷达,本文进一步提出了融合激光雷达与红外图像进行联合行人检测的方法。在激光雷达数据中先提取出障碍物,并利用几何特征进行初步行人判别得到候选区域。将候选区域投影到红外图像中,得到红外感兴趣区域。在该感兴趣区域进行基于HOGI特征的红外行人检测,进一步提高了检测的实时性和准确率。