根据《中华人民共和国道路交通安全法》第四十七条:机动车行经人行横道时,应当减速行驶。斑马线及行人检测技术对于辅助驾驶系统和无人驾驶及系统尤为重要。本文针对无信号灯环境下斑马线行人检测问题,提出了基于语义分割的斑马线检测以及基于深度学习的行人检测,具体研究内容如下。斑马线检测方面,本文基于改进的语义分割算法实现斑马线的识别,利用Mobile Net网络替代Seg Net网络中的编码部分作为主干特征提取网络,通过下采样提取图像的特征,得到不同大小的特征层,然后通过Seg Net网络的解码部分通过上采样对特征层进行解码,最后采用Softmax函数对像素点进行分类,完成图像分割。实验结果表明改进的算法在保证斑马线检测精度的前提下使斑马线检测所用时间大幅度降低。行人检测方面,本文基于改进的YOLOv3算法实现行人检测,改进方式分为以下几方面:首先,在特征提取网络4倍下采样处添加浅层特征输出层,使得网络可以在4种尺寸特征图上对不同大小行人目标进行检测;在网络中添加SPP模块,融合图像局部特性与全局特性,提高模型检测精度;使用GIo U边框损失函数替代Io U损失函数,提高边框预测准确性;最后使用Kmeans聚类算法生成新的预测锚框进行网络训练,实验结果表明改进的YOLOv3算法改善了小目标行人检测效果,并使检测精度有了明显的提升。最后,使用Canny边缘检测算法对斑马线检测的结果进行斑马线轮廓识别,并将斑马线区域作为感兴趣区域。通过计算感兴趣区域和改进YOLOv3算法检测出的行人区域间的交并比,筛选出斑马线上的行人。实验结果表明,斑马线上行人检测系统取得了令人满意的效果,这对生活中驾驶安全保障有着积极的意义,为无人驾驶车辆在无信号灯路况下的行驶提供基础。