每年在汽车交通事故中死亡的行人数目庞大，基于保护行人、避免交通事故的目的，行人检测系统已成为目前国内外智能交通领域公认的一个研究热点。 行人检测系统是一种车载辅助驾驶系统，它具有自动识别处于危险位置的行人、为驾驶者提供警报并在危急时刻接管驾驶等功能。近年来，已经有一些汽车厂商推出了面向实用的系统；然而这些系统一般采用昂贵的传感设备，并且只装备在部分高档车型上，这不利于行人检测系统的推广，特别在我国更不符合建设节约型社会的需要和社会需求。因此，基于简单传感设备的行人检测技术研究具有重要的理论研究意义和很高的实际应用价值。 本文以采用单光学摄像头的行人检测系统为研究背景，重点研究其中的分类检测机制关键技术。论文的主要工作与特色有： 首先，设计并实现了一个只采用单光学摄像头的低成本行人检测原型系统。该系统先利用统计学习分类器过滤掉大量不含行人的图像，再利用支持向量机进行精确的分类检测：为了实现行人意图判别，该系统还加入了行人行进状态检测功能； 然后，针对支持向量机分类器的设计，我们提出了递进的两种基于进化的支持向量机分类检测方法。两种方法都同时采用行人外形和运动特征，但第一种方法使用进化算法来优化设计分类器的训练模型；而第二种方法进一步实现了特征集合和支持向量机分类器训练模型的联合优化。 实验表明，我们优化得到的分类器具有较高的检测率和很低的误报率，并具有可以调节的检测速度；初步实现的单光学行人检测原型系统在实际城市交通环境中具有较好的检测能力，经过进一步改进后具有较高的推广价值。