目前,夜间交通事故的频繁发生,给人民的生命财产安全带来很大的威胁。夜间光线较差导致的路况不清是造成车辆与行人发生碰撞从而引发交通事故的主要原因。由于红外图像是热成像,可以透过黑暗和烟雾,在夜间、成像光线不足等情况下发现目标,不受强光、闪光的干扰,实现远距离、全天候观察。因此基于红外图像的夜间行人检测技术可以实现在夜间或恶劣天气条件下的行人检测与识别,对于减少车祸的发生,保障行人的安全,具有重要的现实意义。本文以单帧红外图像中的行人为研究对象,进行了夜间行人检测技术的研究。论文的主要研究内容包括以下几点:1、论文首先概述了红外成像技术的原理,然后介绍了夜间行人检测系统的构成,以及各部分的原理及常用方法,并分析了目前行人检测技术中存在的问题。2、研究了红外行人图像中常用的阈值分割算法,根据红外图像直方图的分布特点,对直方图进行了多聚类分析,提出了改进的K均值聚类中心分析法,实现了对红外图像中人体目标的自适应分割。该方法计算代价小、具有一定的实时性及较好的抗噪性和鲁棒性。3、针对衣服厚薄及材质等因素造成同一人体目标各部分的亮度不统一,且部分身体成像的亮度比背景暗时,单独采用阈值分割得到的目标破碎的问题,论文结合阈值分割与Canny边缘检测处理的结果,提取候选人体目标,并提出了采用张量投票算法对破碎目标的断裂边界进行插值,根据曲线显著性值的大小和方向进行边缘连接的红外图像破碎目标复原算法。实验结果表明,该方法能有效地对红外图像中的破碎目标进行复原,实现目标完整分割。