目前在智能车领域研究中备受关注的一个方向是基于机器视觉的行人检测与跟踪技术,该技术可以帮助驾驶员更好的了解车况周围环境,识别智能车周边的行人,减少交通事故的发生已达到降低对行人的伤害的目的。本文所做的研究是基于单目摄像头的行人检测。本文工作主要分为三个部分,首先对读取到的图像进行预处理,采用加权平均灰度化算法、中值滤波算法去噪、Sobel算子边缘轮廓检测和矩不变法二值化操作,这样可以减少运算量提高检测速度;接着介绍了三种行人特征描述算子,鉴于HOG得到的描述子能够很好地保持了光学和几何转化不变性,因此HOG特征非常适合人的检测。最终本文选择HOG特征作为要提取的行人特征,结合支持向量机训练正负样本,通过改变正负样本的数量达到一个好的分类效果,在此基础上又联合LBP特征训练出新的分类器,进行二次训练,降低了误检率提高了分类器的效果。在采集到的校园视频和图片上做了验证,该算法具有较好的鲁棒性和准确性,又能满足实时的需要,并且该算法可以移植到其他处理器设备中,方便继续开发。