1. 研究目的与意义（文献综述）

智能化是全球汽车业的大趋势，自动驾驶汽车成为了近几年的研究热点。为了保证自动驾驶汽车行驶的安全性和行驶要求，汽车行驶过程中，需感知道路、行人、周围车辆等外部环境。行人检测是其中必不可少的一部分^[1]，基于计算机视觉的行人检测通过车载摄像头获得视频序列，对视频序列逐帧地分析，将行人从背景图像中分割出来，通过连续的图像实现对行人的跟踪，最终达到自动驾驶车辆行驶过程中检测行人以保持安全车距，从而避免碰撞安全事故的产生的目的。

1.1国内外研究现状分析

在行人检测算法研究上，1997年，owen等提出的“haar小波特征 支持向量机”可能是最早的行人检测方法^[1]。2003年，中科院自动化所谭铁牛等人提出了一种简单有效的自动步态识别算法^[2]。2005年，dalal等提出了基于梯度方向直方图特性（histogram oforiented gradient, hog）的行人检测方法^[3]。2006年，上海交通大学的田广等人提出了一种coarse-to-fine的行人检测方法，能在杂乱的自然场景中有效地检测行人，但识别率较低^[4]。2008年，德国的christophh. lampert和matthew b. blaschko提出了快速子窗口搜索算法，从而克服了物体识别与跟踪要遍历整幅图像的缺点，加快了物体检测的速度^[5]。2009年，伊利诺伊大学的niebles.j.c等人，提出了一种使用adaboost级联模型的行人识别算法并应用于行人检测领域，使得行人检测的识别效果有所改进^[6]。2010年，华南理工大学的汤义针对移动摄像头下的行人检测进行了研究，提出了一种基于量子演化的行人检测优化方法^[7]。

2. 研究的基本内容与方案

2.1研究内容

行人检测主要由图像预处理、感兴趣区域（roi）分割、特征提取和行人识别与跟踪四部分组成。通过对相关算法的实际组合应用，研究光照变化对各过程的影响程度，分析行人检测的识别率和误检率，得出最优算法方案，以达到在光照变化条件下有效检测行人的目的。

2.2研究目标

3. 研究计划与安排

4. 参考文献（12篇以上）

[1] oren m, papageorgiou c, sinha p, et al. pedestrian detectionusing wavelet templates[c]// conference on computer vision and patternrecognition. ieee computer society, 1997:193.

[2] 王亮, 胡卫明, 谭铁牛. 基于步态的身份识别[j]. 计算机学报, 2003, 26(3):353-360.

[3] dalal n, triggs b. histograms of oriented gradients forhuman detection [c]// computer vision and pattern recognition, 2005. cvpr 2005.ieee computer society conference on. ieee xplore, 2005:886-893 vol. 1.