随着近几十年来，汽车工业发展迅速以及人们生活水平的不断提高，汽车已成为人们生活中不可缺少的元素。然而，随着机动车数量的日益增加带来的交通事故也破坏了无数幸福的家庭。于是，采用人形识别技术的汽车主动安全系统已经成为广大汽车厂商和研究者们的研究热点。现有的人形识别系统，多是基于各种传感器以及通过图像处理算法实时监测车辆前方可能存在的行人，获得相应的位置信息，确定是否有碰撞的危险并给与自动干预，实现规避危险的目的。这项技术涉及到多个学科交叉，主要运用了传感器、信息融合、机器学习等技术，具有很高的社会意义和理论意义。目前，为了实现对行人的保护，许多汽车厂商已经在一些量产车上使用了自己的最新技术。如宝马公司将远红外摄像头安装在汽车进气格栅内，由于远红外摄像头对物体温度敏感，所以该系统正是利用这个技术来检测距离最远可达300米的行人以及生物体，当车辆与行人的距离不足100米时，系统会根据车速在导航仪屏幕上适时提醒驾驶员；沃尔沃公司的待发布新车V40则配备了行人检测系统和行人保护气囊，其中行人检测系统通过雷达传感器和光学摄像头，并配合人形检测算法判断出拍摄到的物体是行人还是汽车等，到车速达到35公里/小时以下时，该系统可以自动全力度刹车，从而避免碰撞的发生。行人保护气囊则是通过安装在前风挡玻璃底部的安全气囊，在车头与行人发生碰撞时，且行人接触到碰撞传感器时，引擎盖后端会升起，行人保护气囊沿着A柱膨胀，展开面积可以达到前风挡玻璃三分之一，这样进一步降低了对行人的伤害。可见，随着微电子成像技术的提高，摄录器械成本的降低，摄像头必将成为汽车安全的必要硬件设备。基于对动态影像分析技术的收集和整理，以及对国内外汽车厂商对摄像头应用的比对分析，本文完成的主要工作：1、通过安装于汽车前挡风玻璃中间上方的行车记录仪获取大量实验所需要的图片，对每幅图片分类，得到人形样本和非人形样本。本文对很多特征提取方法进行了研究比较，最终使用Haar小波变换进行特征提取，并有选择地标注了60余个特征点用以训练。2、对国内外人形识别方法的研究现状进行分析，针对以往人形分类算法的不足，本文使用了一种基于变σ-AdaBoostSVM算法进行人形识别的技术。将RBFSVM（核函数为RBF的SVM）作为弱分类器嵌入到AdaBoost算法框架中，通过动态分配样本权重降低了分类器对样本数据的依赖程度，从而提高了分类器的泛化能力。并且通过变σ算法尽量平衡AdaBoost中各分量分类器的精度和它们之间的差异性，提高了分类器整体性能。3、针对感兴趣区域的提取问题，提出了雷达辅助定位的方法。由于毫米波雷达的辅助，使得行人检测系统可以快速精准地提取可能含有行人的区域，仅对感兴趣区域进行人形识别减少了待检测数据的数量，大大提高了检测速度和识别效率。为了获得大量的样本数据，编写了一个样本采集程序，可与训练人员交互地从拍摄的道路实况照片中选出含有人形的样本和没有人形的样本，后续工作都是在这个样本库的基础上进行的。4、基于本文提出的人形识别算法及雷达辅助的行人检测方法，建立了一个基于PC机的人形识别算法离线实验验证系统。对所提出的算法进行了可行性验证，并比较了SVM和变σ-AdaBoost的性能。通过模拟雷达辅助定位，快速定位选择感兴趣区域。为方法的可应用性提供保障。