行人检测技术在移动机器人、辅助驾驶、智能园区监控等领域有着广泛的应用,其准确性对保障交通、监控安全来说尤为重要。当前,基于视觉系统的行人检测研究已初见成效,在光照较好的白天有良好的检测效果。然而复杂的光照环境给视觉检测系统带来了困难,基于可见光摄像头的行人检测在暗光环境下普遍存在漏检率和误检率高的问题,因此目前主流的行人检测技术并不能适应全天候的应用场景。本文利用可见光和红外图像的特性,提出了一种亮度自适应图像融合算法,并围绕复杂光照下的全天候行人检测算法开展研究。主要研究工作如下:(1)针对目前可见光摄像头在复杂光照环境下应用的局限性,提出了一种亮度自适应图像融合算法,将可见光和红外图像的互补优势有效结合。该算法通过图像多尺度分解,将图像融合分为基层融合和细节层融合。同时,提出了一种亮度权值计算方法,优化了基层融合方法的亮度自适应性。最后与三种图像融合算法进行对比实验,结果表明本文所提出算法获得的融合图像能更好地保留图像整体对比度信息,同时含有更丰富的目标特征细节,并在多种评价指标上均有较好的表现。(2)针对可见光与红外图像在昼夜环境下的成像差异和特性,提出基于SVM的昼夜环境分类方法,利用图像的特征完成SVM分类,对昼、夜图像分别采取各自的预处理方法,改善亮度自适应图像融合算法在户外行人图像中的效果。(3)将亮度自适应图像融合应用到行人检测算法中,对复杂光照环境下行人检测效果不佳的问题进行改进,实现了全天候行人检测。同时介绍了一种基于无锚框的检测方法,对行人中心点和尺度进行预测,避免了繁琐的锚框参数设置,减轻了锚框大小给检测带来的局限性,对受遮挡的行人有更好的检测效果。(4)对本文提出的基于亮度自适应图像融合的全天候行人检测算法进行实验验证。首先验证了亮度自适应图像融合算法在行人数据集上的融合效果,再通过行人检测实验分析本文算法在全天候行人检测中的鲁棒性和有效性。实验表明,行人融合图像对在突显行人特征的同时保留了丰富的细节信息,并有效降低了白天、夜间复杂光照环境下行人检测的误检率和漏检率。