近年来基于机器视觉的行人检测与跟踪技术在智能车领域的应用越来越受到人们的关注。它在车辆辅助驾驶系统中可以有效的辅助驾驶员更好地了解周围环境,识别周围的行人,对有可能发生的行人交通事故做出提前预警,提高行车安全。因此研究行人检测与跟踪技术具有非常重要的意义。本文主要对机器视觉辅助驾驶系统中行人检测与跟踪技术进行研究。在现有方法的基础上提出相应的改进与创新,最终实现对行人快速准确的检测与跟踪。论文的主要创新点有以下两个部分:1、在行人检测方面,提出一种二维显著性纹理算子TS-LBP(Two-dimensional Significant Local Binary Pattern),该算子能够反映图像的纹理特征、显著性特征,同时具有较强的抗噪声性能。首先提取图像中感兴趣的目标区域,再通过提取目标区域颜色与纹理特征的融合特征来对目标进行特征描述,最后采用Adaboost算法训练得到一个行人分类器对行人进行识别。2、在行人跟踪方面,由于光线变化、相似背景的干扰等原因,传统的基于单一颜色特征MeanShift跟踪算法不能够对目标进行有效的跟踪。本文提出一种局部显著性纹理算子SLBP(Significance Local Binary Patterns),将颜色特征与纹理特征相融合的MeanShift行人跟踪算法,并通过自适应的权重因子来调节跟踪目标的融合特征。该方法快速准确,具有较高的鲁棒性,能够对行人进行有效的跟踪。