由于基于图像的行人检测在行车安全、监控领域、机器人应用中巨大的应用前景,导致对该课题的研究一直是最近十多年来的热门,如今已经取得了大量的研究成果。近年来国内汽车市场正在急剧膨胀,同时对道路交通安全保障措施的需求逐步提高,其中高级辅助驾驶系统是利用高新技术保障行车安全的重要手段,本文着眼于ADAS系统中行人防碰撞功能,拟采用图像中行人检测技术实现对低速行驶状态下行人的检测。ADAS应用对行人检测的要求主要体现在实时性和准确性上,经典的利用HOG特征的行人检测算法计算复杂度高导致实时性较差,而利用CENTRIST特征的行人检测方法深入探讨HOG特征的不足,并提出基于行人轮廓编码的特征描述算子,该特征简洁高效,结合快速线性SVM分类器和快速HIK SVM分类器构成的级联检测器,在检测精度和实时性上都取得了较HOG+SVM方法较大的突破。但基于嵌入式端的ADAS系统,CPU性能较PC端较差,难以实现实时的检测结果,本文分析了现有的图像算法加速方案,实现基于OpenCL的并行化C4检测算法,充分利用硬件资源实现,在嵌入式端行人检测提供了低成本的实现方案。本文探讨了基于异构计算的图像处理算法加速处理方案,首先介绍了相关硬件的特点,其次介绍了开放计算语言OpenCL,分析了基于OpenCL的快速行人检测的可行性。本文设计的基于异构计算的并行C4检测方法中,将原始图像做灰度变换,然后采用固定的缩放比例构建多级图像金字塔,对于每一级图像进行单独的检测,最终将检测的结果汇总后处理。对于单幅图像的检测,实现了并行化的Sobel算子、CT特征算子、辅助图像构造、积分图像计算、线性SVM检测以及HIK SVM检测方法。实验证明并行化的检测算法能够取得同串行算法同样的检测结果,同时在执行效率上较串行算法取得较大的提升,在基于i.mx6Quad plus的硬件平台上,最终取得了15帧每秒的检测速度,满足了ADAS系统对于行人检测实时性的要求。本文利用OpenCL实现的并行算法在功能性上具备于硬件无关的特点,对于不同硬件平台的性能优化,则只需考虑具体硬件平台的特性改变少许配置参数,为在不同平台上部署算法提供了极大的便利性。