作为计算机视觉领域中的一个重要研究课题,行人检测一直以来都备受关注。随着相关理论和算法的发展,行人检测技术也从早期图像处理阶段、特征模型分类阶段逐步发展进入深度学习阶段。与传统地面监控相比,以低空无人机为基础的无人机视角行人检测能够提供“上帝视角”,为深入理解和分析行人的社会行为奠定基础。由于无人机拍摄视角及相机运动的任意性,无人机场景下的行人检测具有更大的挑战,如尺度变化、长宽比变化、相机抖动等。同时,由于无人机机载平台的算力有限,对检测算法的复杂度也提出了更大的挑战。基于上述背景,本文尝试从以下两方面研究无人机场景下的行人检测问题。首先,本文分析对比了基于深度目标检测框架的行人检测技术,常见检测框架进行分析论证,搭建了基于SSD的行人检测系统。为了更好的适应无人机场景行人的特性,本文在学校、公园、游乐场及广场等多个公共场合拍摄数据集,并手工真值标注。随后,本文提出分块策略在训练集上对SSD检测算法进行训练,并利用测试集评估算法精度。实验结果表明,利用无人机数据和分块策略取得很好的检测效果。其次,本文尝试将设计的行人检测算法移植到NVIDIA Jetson TX2嵌入式平台上。考虑到SSD算法的速度及可移植性,本文搭建了基于SSD的嵌入式行人检测系统,主要由两个基于SSD的目标检测算法构成,分别是全局SSD和局部SSD。全局SSD在全图范围内精细检测行人,局部SSD模型在全局SSD检测结果的基础上逐帧修正。全局SSD模型和局部SSD模型交替使用。并进一步利用TensorRT工具对检测模型进行加速。实验结果表明,本文训练的SSD模型能够在NVIDIA Jetson TX2嵌入式平台上高效稳定地实现行人检测,并取得每秒5.3帧地检测速度。