随着经济和汽车产业的迅猛发展使得汽车保有量出现大幅增长,从而导致严重的交通问题,交通系统运行效率降低,交通安全堪忧,环境污染严重,资源消耗加剧,严重阻碍经济社会持续高速发展。智慧公路(Smart Roads)作为构建人、车、路、网协同综合感知体的关键部分,将极大地推进交通智能化建设以改善上述问题。与此同时,随着5G技术的逐渐成熟,更高的速度、更低的时延以及更大的容量能够高效支持智慧公路的发展与普及,满足智慧公路的场景需求。作为智慧公路发展的一个重要组成部分,行人检测系统被视为提升道路行驶安全的重要手段,且广泛应用于智能驾驶辅助、智能安检、行人大数据分析等领域。与传统复杂昂贵的机器视觉方案不同,本研究旨在提出一种依靠物联网(Internet of Things,Io T)技术的低成本、广覆盖的道路行人检测方案,此方案利用多传感器数据融合、大规模传感网络检测等技术实现对道路行人异常过街行为的准确判别及预警。此外,大规模无线传感器网络的优化部署也将直接影响到整个感知网络的感知能力和检测性能,检测节点的部署研究能够实现网络资源优化、准确的环境感知及信息获取,是整个系统能够实现高效、精准检测的基础。因此,针对以上分析和要求,本研究从以下两个方面进行:一方面,在城市道路场景中,道路环境多变,交通状况复杂,建筑物密集林立,人群流动密度变化不一等因素导致行人检测系统设计难度大大提高,难以实现实时、精准的行人目标判别及事故避免。本文的研究从行人检测系统可靠性和适应性等方面出发,综合运用多普勒微波雷达传感器、红外热释电传感器、地磁传感器等物联网传感设备,利用多传感器数据融合增强系统的实时性和信息利用率,扩展整个系统的生存时间、空间覆盖率。通过设计基于多传感器数据融合算法的行人检测系统方案,使各传感器发挥其各自优势,提高系统的检测准确率以及适应复杂道路环境的能力。另一方面,在大规模传感器网络中,设备的部署策略关系到传感器网络对整个部署区域的感知能力,并最终影响到整个感知网络的检测性能。因此,本研究在上述行人检测系统方案的理论研究和系统搭建的基础上,将设备部署场景抽象为矩形的检测区域,在给定此区域内模块节点初始部署情况以及模块节点感知模型的前提下,利用最小曝光算法解决线覆盖区域中节点的再部署问题。通过设计基于最小曝光路径算法的行人检测设备优化部署策略来提高整个检测区域中感知网络对行人移动目标的覆盖质量。仿真验证结果表明,此优化策略能够改善整个检测区域中行人检测设备的部署效果,提高整个感知网络的覆盖质量。