基于机器视觉的行人检测技术作为汽车安全领域里的研究热点,影响着智能汽车技术的发展与应用,本文在此背景下开展了以下的研究工作。本文首先针对低光照条件及摄像头抖动造成的图像退化问题,采用了基于色度保存的多尺度Retinex方法进行低光照图像增强处理,并通过对图像场景中光照强度分布的估计,给出了低光照图像增强的光照强度阈值的判定方法;考虑摄像头抖动造成图像全局一致运动模糊的情况,构造了运动模糊的退化模型,并对点扩展函数的运动模糊方向与尺度进行了估计,最后采用Lucy-Richardson算法对模糊图像进行复原处理。在上述的图像增强和复原基础上,给出了基于HOG与SVM的行人检测算法实现,并结合OpenCV训练了行人检测分类器,通过实验对比低光照图像与增强图像、运动模糊图像与复原图像的行人检测,验证了图像增强与复原方法对于提高退化图像行人检测性能的有效性。其次,在了解TDA2x处理平台的整体硬件特性以及其异构特性针对不同视觉算法实现的基础上,分析了车载视觉系统开发中link和chain的框架,包括车载视觉系统数据流的实现、数据流中的数据处理单元link、处理器之间的通信机制IPC。同时简要分析了系统中使用的算法标准,并给出了TDA2x车载视觉系统中的SYS/BIOS启动及任务的实现流程。最后,在TI公司的TDA2x VAYU硬件开发板平台基础上,配置了软件系统的开发及仿真环境,给出了行人检测算法的实现方法,构建了行人检测系统数据流,其中M4核负责视频的输入与输出处理、行人的标注等,EVE核承担HOG特征的计算,DSP核实现SVM行人检测分类器,针对行人检测算法的整合,开发了行人检测算法link,最后通过实验分析了HOG计算中的参数选择对行人检测精度与实时处理的影响,为后续工作奠定了基础。