随着我国汽车保有量不断增加,交通拥堵和交通肇事现象日益严重,基于车载热成像行人检测的高级驾驶辅助系统能够在白天和黑夜为驾驶员提供行人预警,是预防交通事故的重要途径。热红外摄像机适用于夜间场景,但是由于热成像缺乏纹理,识别图像中的目标难度较大。车载热成像行人检测系统运行于计算资源有限的嵌入式平台,但对检测算法精确度和系统实时性要求较高。RoIs提取是行人检测系统中的重要环节,能够有效减少目标搜索范围、提高计算效率和检测精度。自适应双阈值分割方法是一种RoIs生成精度较高、计算开销较低的方法,比较适合应用于车载热成像行人检测系统。本文基于“RoIs提取-SVM分类识别”的行人检测框架,系统研究RoIs提取技术。主要内容包括热成像增强方法、热成像阈值分割算法的优化、基于人体部件特性的RoIs精过滤方法。主要贡献如下:1)设计膨胀最大值滤波器进行图像增强,提高行人目标亮度并扩展行人目标在图像中的像素的占比;2)研究自适应双阈值分割算法,提出Haar-like增强的自适应双阈值分割算法,并给出快速实现方案。所提出的算法明显提高RoIs质量,而且能够改善计算效率;3)提出级联RoIs过滤器方案,对RoIs进行精细过滤,减少对后续分类环节的干扰。最后将提出的三个模块集成于行人检测系统,并在本实验室公开的数据集进行测试和验证。结果表明,在兼顾行人检测召回率的前提下,系统提高了行人检测精度并降低了系统计算开销。