现代道路交通环境中的交通事故给人类社会带来的危害是不言而喻的,因此,如何尽可能的减少交通事故、降低交通事故所带给人们的损失,越来越受到人们的关注。汽车安全辅助驾驶技术的研究可以有效减少交通事故、降低事故损失,所以其越来越受到各国的重视。　　 行人是道路交通的主要参与者,并且在交通事故中行人也是直接受害者,所以有效的保护交通环境中行人的安全,并及时警告驾驶员,避免车辆与其附近的行人发生碰撞或刮擦,已经成为了人们关注的重点。目前,行人检测技术主要应用在交通交叉口、社区、银行、超市及博物馆等场所的监控方面。在这些方面的应用中摄像机都是静止的状态,所以可以用背景图像二值化图像差分法,检测识别运动目标。本研究是车载摄像头的目标行人检测识别技术,背景图像和检测目标都随着摄像机的运动而运动,所以采用图像差分法是不能有效的检测目标行人。　　 针对以上问题,本研究以单目视觉传感器作为车辆周边交通环境中信息获取的主要手段,研究主要分为三个部分:传感器获取图像的预处理、分类器的训练和目标行人的检测识别。首先根据采集的不同视频图像采用数字图像处理方法将行人外部轮廓从感兴趣区域中分割出来,对于分割缺陷进行分析,并提出了解决分割缺陷的方法。其次应用AdaBoost(Adaptive-Boosting)算法,三种对称矩形和四种非对称矩形提取样本行人特征。在训练分类器时,提出了层数和检测率、误检率及漏检率的关系。最后利用样本比对法的行人形状特征,验证图像中是否包含目标行人。对误检和漏检情况进行了分析,得出误检和漏检是不可避免的,但可以通过增加样本量和改善图像像素等方法,减少两种情况的发生。　　 试验表明:图像像素为240x320、每秒30帧、平均行车速度为40～60km／h为行人检测系统的最佳环境,本系统对简单和复杂环境中的静止及运动行人都有很好的检测效果。但该方法并不适用夜间或不良天气的条件,同时该系统不适合特殊路段检测。因此,研究新的检测算法或者融合其他传感器来对不同环境下的行人检测作为未来研究的主要目标。