近年来,随着经济的快速发展和人民生活水平的提高,我国机动车保有量持续快速增长,由行人引起的交通事故也在增加。在这种背景下,汽车行人避碰技术受到高度重视,成为降低事故发生率、避免损失的一种有效方法,引领了未来车辆安全技术发展的方向。本文从中国的实际交通情况出发,借助计算机视觉技术对车外行人检测这个核心技术问题开展研究。首先对最具代表性的行人识别算法进行了深入的探讨,从基于特征的方法、基于多部位的方法、基于多视角的方法以及基于Boosted Cascade的方法进行分析比较。得出这些方法是从不同的角度出发解决不同的问题,是相互补充的。从而提出一个理想的行人检测系统应当是将这些方法有机地结合到一起,才能达到最佳的性能,据此提出多种行人检测算法融合的行人检测系统的应用设想。其次研究了基于Boosted Cascade物体检测方法的行人检测算法。在这个算法中,引入一个链式结构把级联分类器的历史信息传播到下一级级联分类器中,最后得到的分类器由更少的弱分类器组成,并且比原先的Cascade方法的错误率更低。试验结果表明这个算法框架的通用性很强,并不局限于某种特定物体的检测,能很好地适用于行人检测。接着对经典运动人体检测和识别方法作了探讨,并且通过比较各种方法的优缺点,选出了本文所采用的方法,并用Matlab建立了光流法行人捕捉试验模型进行试验。试验结果显示,光流法能有效地捕捉处于运动中的行人,达到了预想的效果。这一步虽然不是最后的行为识别技术,但能有助于提取出精确的人体轮廓,并且对其参数进行跟踪,是行为识别工作的基础,也直接决定了人体检测的成败。最后鉴于车载摄像机所采集的视频图像存在抖动、背景复杂等因素,提出了相邻奇数帧动态背景消除法进行行人检测的方法,使动态背景提取的计算时间宿短了一半,有效地改善了行人检测系统的实时性能。采用数学形态学的方法先对视频图像进行处理,然后再利用Canny算子提取行人轮廓曲线,最后采用曲线拟合技术对行人轮廓曲线进行优化,消除了行人轮廓中的孤岛,拟合了间断的边缘曲线,获得了比较完善的行人轮廓曲线,效果比较满意,为后续的基于轮廓的行人识别奠定了基础。