汽车产业的蓬勃发展给人们的日常生活带来了很大的便利,但由此带来的道路交通事故却给人们的生命财产造成巨大的损害。所以,如何减少交通事故以及由此所造成的损失成了大家所关注的热点。汽车安全辅助驾驶技术作为汽车新技术的一个重要分支,因其可以有效减少交通事故,保护驾驶员和其他道路参与者的安全,而越来越受到人们的重视。行人作为最主要的弱势道路使用者,是道路交通事故中死伤率最高的成员。为了有效地保护行人的安全,减少或者避免汽车与使用道路的行人发生碰撞,开展行人检测技术研究已成为当下汽车安全辅助驾驶领域中最亟待解决的问题。尽管在计算机视觉领域,行人的检测和跟踪技术已经研究了很多年,但目前还没有一个通用、鲁棒、精确、高性能和实时的多目标检测和跟踪算法,因此解决某种限定条件下的行人运动检测与跟踪问题仍将是该领域研究的主要课题。目前,在用于行人检测技术的众多传感器中,视觉传感器由于其能采集大量丰富有用的信息而得到广泛应用。考虑到横穿行车道时造成的行人死亡事故占行人死亡总事故的90%以上,论文的主要研究工作是单个摄像机在静止和运动条件下车辆前方运动行人的检测技术,以解决当前汽车安全辅助驾驶技术以及交通监控系统中存在的部分问题,并为以后的研究工作奠定基础。具体包括以下内容：1.为了更加有效地分割出图像中的运动目标,本文深入研究了行人检测系统中行人图像的预处理知识和分割方法,包括图像的中值滤波、空域变换增强、二值分割以及形态学运算等。这些处理为后续提取完整的运动目标提供了保证。2.针对静态场景下的行人检测,本文着重研究了帧间差分法的改进历程,最后采用五帧差分法实现了运动目标的完整提取,接着通过基于宽高比和分散度的方法将运动目标中的行人识别出来,最后通过试验验证了本文算法的有效性。3.为了能够在运动场景下分割出运动目标,本文重点研究了全局运动估计与补偿技术。在分析比较现有运动参数模型和全局运动估计方法优缺点的基础上,并结合本文的实际工况,选用仿射六参数模型对全局运动进行建模,使用一种基于SIFT特征的方法来描述相邻帧间的运动关系,在得到相邻两幅图像的特征点对后,提出了利用随机样本一致算法的思想来求解全局运动的参数,并完成背景运动补偿,从而将问题转化为静态场景下运动目标的检测。实验表明：基于SIFT特征和随机样本一致算法的运动估计能够很好地完成本文的运动补偿,为后续行人的识别打下良好的基础。本文主要采用Visual C++ 6.0开发了所需的软件及部分算法,并且进行了真实的图像实验,得到了较为满意的实验结果,实现了运动行人的检测,解决了当前汽车安全辅助驾驶技术中的部分问题,并为以后的研究工作提供了技术支持。