近年来随着5G通信技术和计算机技术的蓬勃发展,车路协同系统应运而生。作为智能交通系统的重要研究方向,车路协同系统用于解决道路交通安全问题,提高交通运行效率。行人检测是智能交通系统中的需要完成的一项重要任务,为后续的行人碰撞预警、全局路径规划奠定基础。然而目前已有的车路协同行人检测系统仅在一方具有感知能力。单视角的行人检测存在着光线、遮挡等问题导致对场景无法感知全面,难以达到智能交通系统的要求。为了提高路侧设施对道路上行人的感知能力,设计了基于车路视角视觉协同感知的行人检测系统。主要研究了面向车路协同场景的行人搜索算法和车路视角行人检测结果融合算法,并开展相关算法优化与实验验证。为满足车路协同场景中行人搜索的准确性和实时性,改进行人图像特征提取网络以优化行人搜索算法,并针对车路协同场景改进行人搜索策略。在行人图像特征提取网络中引入注意力机制,使用多任务损失函数约束网络。优化后的网络提取出的行人图像特征具有更强的表示能力,既能体现出行人这一类别的共性,又能区分出不同身份的行人;设计了基于AP聚类的行人图像特征分类策略。在多智能车多行人目标的交通场景下,对车辆传输到路侧设施中的行人图像特征进行聚类实现分类作用,以剔除重复行人信息。实验表明经过聚类后搜索速度提高了45%。为了降低路侧设施中行人检测系统的漏检率,以车路异视角协同行人检测为应用场景,提出了基于多特征自适应加权融合的行人目标关联算法和基于Io U修正融合结果的策略。结合行人图像特征和行人拓扑特征建立车路两个视角下对同一个行人目标的对应关系。提出的融合方式能够根据交通场景中的行人目标特性,自适应调整融合权重,以提高目标关联的准确性;提出了基于Io U修正融合结果的策略,修正车侧视角下的行人在路侧视角下的投影结果,进一步保证车路异视角协同行人检测的准确性。在多个数据集上对提出的车路异视角行人目标融合算法进行实验。实验证明提出的方法相比于单视角下的行人检测,提出的算法使漏检率降低了5.2%。最后在校园内搭建实验场景进一步验证算法的有效性。