近年来，随着国内交通环境元素愈来愈复杂，交通事故发生率不断上升，辅助驾驶成为研究重点。行人在交通事故中往往会受到较严重的伤害，因此保护行人仅依靠驾驶员的主观判断是远远不够的，更需要辅助驾驶系统分析行人在道路上的危险情况。
　　针对国内复杂交通环境和辅助驾驶需要对行人进行危险分析的现状，本文提出一种中国城市道路场景下基于模糊推理的行人危险度评估方法。为了获取行人信息，实现行人危险度评估，本文对行人检测和跟踪、行人位置估计和行人意图分类等方法展开研究并分析中国城市交通环境的差异，划分交通场景，将行人位置信息和场景特征加入行人危险评估模型中。
　　本文的主要工作如下：
　　①研究行人检测相关技术，构建基于Mask RCNN的行人检测模型以及人体关键点检测模型。研究行人跟踪方法，采用DeepSORT算法实现行人跟踪，构建行人跟踪模型。最后进行相机成像方法的研究，建立单目相机的目标测距模型，获取行人的位置信息。
　　②研究行人意图分类方法，提出了基于国内交通场景的LSTM行人过街意图分类模型。基于人体关键点检测的结果，分析计算行人姿态特征；记录并分析国内不同交通场景的行人数据，对交通场景进行了划分，获得行人场景特征。结合行人姿态特征和场景特征，得到行人过街意图。最后分析验证基于国内场景的LSTM行人意图模型的性能。
　　③提出基于模糊推理的行人危险度评估模型，将已经获得的行人信息和场景信息作为模型输入，利用模糊语义判断行人的危险特性。根据驾驶员实际驾驶经验，建立模糊推理规则，构建行人危险评估的模糊推理系统。在实际车载图像序列上进行仿真，验证了本文提出的评估方法的有效性。