基于计算机视觉的行人检测在目前辅助驾驶中具有越来越重要的应用价值,已成为智能车辆研究领域最为活跃的研究课题之一。车载行人检测系统的目的是利用安装在运动车辆上的摄像机捕获图像,然后利用行人检测算法作出潜在危险判断,对可能造成危险的情形提前作出预警,以保护道路上的行人。本文所陈述的是东软汽车电子先行技术研发中心的实际项目“车辆辅助驾驶系统(Advanced Driver Assistance System, ADAS)"的一个子系统：基于APEX的行人检测系统的研究与实现,该系统在德国著名的微控制器公司Freescale公司提供的面向新一代ADAS应用的嵌入式处理平台APEX上编程实现。本文建立了一个级联的Adaboost分类器进行行人检测。在离线训练阶段,采用类Haar特征描述行人,进行级联Adaboost分类器训练；在在线检测阶段,采用训练好的分类器对多尺度输入图像进行分类。然后对各级缩放图上的检测结果进行聚合,得到最终的检测结果。本文经过对行人检测算法的分析,尤其对Haar+Adaboost算法进行了深刻研究,在APEX平台的ARM端作了相关算法耗时分析与算法特性分析,得出积分图与旋转45°积分图以及Adaboost分类器是可以在APEX上并行实现的结论,并且实现了这些算法的并行化,同时在APEX并行化实现阶段,对关键算法作了相应的改进。本文的创新点在于,在32个CU(Computational Unit,计算单元)同时并行工作的APEX上实现了行人检测算法的并行化与模块化。经测试,本系统在400MHZ时钟频率的APEX上,判别一副640×392大小的灰度图像是否包含行人仅需30ms,相较之前ARM平台上的实现提升了近8倍的性能,具有很好的实时性与鲁棒性。最后,本文对行人检测系统在不同天气与光照条件下进行了性能测评,测评结果证明本系统具有良好的检测效果。并且体积小,易于控制,具有广泛的应用前景。