随着计算机视觉领域的不断发展,特别是近年来深度学习取得了突破性进展,人类正逐步迈入智能时代。行人检测技术在机器人、安防监控、无人驾驶等诸多智能领域都有着重要的应用。现有的行人检测算法有两大缺点,一是尽管现有的算法可以达到很高的检测精度,但检测速度慢。二是现有算法的出发点大都建立在科研的基础上,算法运行平台是专门用于科研的高性能计算机,直接将算法应用到实际场景中会面临诸多难题。本文就如何加快行人检测速度展开研究,利用目标候选框算法来减少检测区域,并利用视差来提前排除非行人窗口,同时针对移动场景和嵌入式平台采用多种优化方法降低算法复杂度和空间复杂度。本文的具体研究内容如下:一、针对图像中的行人往往只占整幅图像的一小部分,实际检测过程中检测的大部分区域是非行人区域的缺点,利用目标候选框算法来获得检测区域并在得到的检测区域上检测行人,相比直接从原图中进行检测,所需检测的区域的面积更小。二、针对分类器判别窗口的过程中,判别的大部分窗口是非行人窗口的特点,利用视差来提前排除非行人的窗口,减少了后续需要判别的窗口的个数,加快了分类阶段的速度。三、针对在移动场景中检测行人时,运算平台内存小、运算性能低的特点,研究了多种方法来降低计算复杂度和空间复杂度。为了减少空间复杂度,优化了积分图算法,有效减少了空间复杂度。为了加快多尺度检测过程,本文采用了一种基于再映射的多尺度多窗口检测方法,在融合现有方法优点的情况下,利用再映射的方法实现了只用一个尺度窗口滑动就能得到多个尺度窗口的检测结果。为了消除在视频中检测行人时检测结果抖动的现象,采用一种基于视频的提升检测结果稳定性的优化方法。四、针对算法在DM8168平台运行速度慢的缺点,本文通过充分利用平台资源以及减少算法的计算量,减少了算法的运行时间,实现了在DM8168嵌入式平台上实时检测行人的目的。