交通事故能给人身安全造成严重的危害,因此如何避免交通事故是人们关注的焦点。车辆辅助驾驶技术是避免交通事故的重要手段,而行人检测技术是车辆辅助驾驶技术的重点。为了提高行人检测的速率和准确率,本文主要研究了以下几个内容:提取行人的感兴趣区域;提取行人的特征;对SVM(Support Vector Machine)分类器的参数进行优化;分类器的训练和行人的检测。首先,基于相机原理与边缘检测原理,提出了一种快速提取感兴趣区域的方法。该方法能够减少检测时间并提高检测速度。其次,提取行人的HOG(Histogram of Oriented Gradient)特征以及LBP(Local Binary Patterns)特征。通过PCA(Principal Component Analysis)算法对提取的HOG特征降维,并通过级联降维后的HOG特征和LBP特征合成HOG-LBP特征。HOG-LBP特征是分类器的输入因子。然后,采用人工蜂群算法和混沌人工蜂群算法优化SVM分类器的参数。MATLAB仿真结果表明,利用混沌人工蜂群算法进行优化的分类器优于人工蜂群算法。前者具有更高的分类准确度。最后,通过优化的SVM分类器检测行人。优化的SVM分类器可以快速检测行人,优于未优化的SVM分类器。