车载夜视行人检测系统在国外已经发展多年，然而，这种技术目前仅被应用于少数高档豪华轿车，至今仍未形成主流应用。在生活与工作节奏非常快速的现代社会，夜间行驶已极为普遍，而夜行驾驶员面临光线、路况和精力等挑战。因此，研究和改善这类现状的技术和装置意义重大。首先在夜视行人检测预处理阶段，本文利用TI公司提供的FVID模型实现红外视频图像的采集；由于采集到的红外视频图像为YCbCr格式数据且行人大部分都集中在图像中间区域，因此本文提取图像中间区域的Y分量数据作为后续处理数据源，再利用局部自适应性双阈值分割算法将其分割为二值图像，并在该分割算法于DM6437处理器上实现过程中进行诸多优化处理；然后对二值化后的图像做膨胀与腐蚀运算，从而滤除可能影响后期行人检测的噪声干扰；最后，利用TI提供的VLIB小型图像处理库，采用八连通区域标记算法提取ROI感兴趣区域，得到可能为行人的ROI，为后续的行人检测提供基础。在行人检测阶段，通过对红外图像匹配理论的深入学习及对相关成果的分析比较，本文采用一种对红外图像场景适应能力较强、算法思想简单、在实际DM6437硬件平台上易于实现且计算量较少的概率模板匹配算法，利用该概率模板匹配算法作为车载夜视行人检测系统的核心检测算法。在实际检测过程中，本文首先将事先采集到的行人样本在PC机上训练出不同尺寸的概率模板库，其中近距离为96*40pix、中等距离为62*24pix、远距离为24*10pix，每种距离下又分成五类模板：往左走的行人、往左骑自行车的行人、往右走的行人、往右骑自行车的行人、往前（后）走的行人与往前（后）骑自行车的行人；然后将这些模板数据事先存放到DM6437的DDR2存储器中；其次，在实际检测过程中，根据所提取到的行人ROI高度将行人自动分为远距离（高度小于30pix）、中等距离（高度大于30pix且小于80pix）、近距离（高度大于80pix）三种情况，分别进行检测；在不同的距离下，系统自动调用DDR2存储器中不同尺寸大小的概率模板数据库，用于行人检测计算。在检测虚警率上，本文采用haar-like特征匹配算法进行虚警率的降低处理。最后，当行人被检测出来时，本系统将根据行人所处的远距离、中等距离、近距离的具体情况以不同的颜色框图标记出来，给驾驶员清晰的提示信息；并在危险区域范围内检测到行人时，本系统还将给于警告提示，警示驾驶员小心驾驶。最后，本文所阐述的系统，采用的硬件平台是TI公司提供的DM6437为核心处理器，在实现的系统中，本文从减少源数据量、存储器的分配、代码的书写、DSP/BIOS的裁剪、关键算法的优化、IQmath库、VLIB库等方面做了相关优化。经过优化后的系统，检测程序运行时间从优化前的1帧/秒提高到15帧/秒~26帧/秒之间，优化效果明显，可以满足实时性的要求。