随着汽车保有量的增加,行人安全问题引起重视。基于车载摄像头的行人检测与跟踪系统作为行人保护系统的环境感知部分,对降低事故发生频率和减轻伤害程度有着重大的意义。传统的研究往往将行人检测和行人跟踪视为两个独立的部分,并没有很好地考虑两者之间的联系。论文以行人检测算法和行人跟踪算法为切入点,研究多尺度多目标的行人检测与跟踪系统的关键技术。论文首先对基于整合通道特征的行人检测算法展开研究,改进其不足之处。基于整合通道特征和快速特征金字塔的知识,提出一种特征金字塔与多尺度检测器相结合的多尺度检测方法;针对目标在图像中的分布特性,采用区域搜索策略以提高检测效率;基于检测器的分类原理,提出弱分类器分级检测与融合的思路来降低分类工作量。接着,论文详细分析了基于连续卷积运算的行人跟踪算法的理论知识,结合滤波器的响应特性提出一种综合评价指标,以调整模型的更新策略,避免跟踪漂移等问题。针对目标被长期遮挡的情形,引入自回归移动平均模型(Autoregressive Integrated Moving Average time series model,简称ARIMA)来拟合目标尺度和中心点位置的变化趋势,建立了行人预测模型以实现目标的再跟踪。论文提出一种行人检测与跟踪系统的设计方案,分析并设置了系统中的各项参数。利用MATLAB和Visual Studio C++软件,联合编程完成算法的编写和测试,训练多尺度的行人检测器,在Caltech行人数据集上对检测算法进行评估,结果表明优化后的算法可以有效地降低误检窗口并且提高检测速度。通过与其他算法的比较,验证了所提出的跟踪算法的有效性,并使用Caltech标注文件对预测模型进行评估,数据表明预测结果具有较好的准确性。最后,在Caltech数据集上对行人检测与跟踪系统进行实验验证,结果显示系统能够较好地实现多尺度多目标的行人检测与跟踪任务,取得准确的位置和尺度信息。