行人检测技术是智能汽车环境感知系统的关键技术之一,由于行人姿态的多样性、背景环境的复杂性,其检测难度较大。对此,本文在DPM算法的基础之上,提出了F-DPM算法,实现了行人的快速、准确检测。此外,雾天环境会使摄像头成像质量下降,对行人检测效果产生影响,本文通过暗通道细化去雾算法进行去雾预处理,提升了雾天图像的图像质量。具体工作安排如下:首先,研究了HOG特征提取理论和实现过程,明确其特征结构,并以此为基础构建了DPM行人检测模型。通过根滤波器和部件滤波器软连接的形式,实现了多姿态行人的有效检测;通过构建图像金字塔,实现了不同尺度行人的有效检测。在模型训练过程中,使用难样例学习的训练方法,提升了SVM分类器的收敛速度和分类性能。在实际检测过程中,提出了F-DPM行人检测算法,通过快速特征金字塔的构建方法和离散傅里叶变换,加快了行人检测速度。其次,通过暗通道细化去雾算法对雾天图像进行去雾预处理。对雾天图像、无雾图像的成像特点进行研究,分析了雾天环境对图像质量的影响;在入射光光能吸收模型和散射光散射模型的基础之上,构建了雾天图像的衰退模型。对暗通道去雾算法的实现理论进行研究,通过导向滤波对其关键参数透射率估计值t(4)(x)进行滤波细化,提出了暗通道细化去雾算法,进而提升了图像去雾后的边缘细节表现力。以边缘梯度增强比率作为评价标准,验证了暗通道细化去雾算法的优异性。根据Michelson对比度设计了雾天等级评定参数_MC’,以此判定是否需对图像进行去雾预处理。最后,设计了一套行人检测系统方案,并进行了相应的实验验证。通过制作相应的行人数据集,离线训练得到了分类性能较好的行人检测分类器,其准确率为94.98%,召回率为83.61%。通过雾天静态环境实验,验证了暗通道细化去雾算法能够有效提升行人检测距离和检测准确性。在校园这一人员密集场景下,通过实车动态环境实验对行人检测系统进行检验,其平均准确率为92.16%,平均计算耗时为98毫秒/帧。本文构建了基于F-DPM和暗通道细化去雾算法的行人检测系统,该系统在实现行人有效检测的基础之上,考虑了雾天这一复杂环境因素,这对完善智能汽车环境感知系统,具有重要的实际参考价值。