作為行人保護(hù)系統(tǒng)和更高級別自動駕駛系統(tǒng)的核心技術(shù)，行人檢測及其距離估計一直是計算機(jī)視覺領(lǐng)域中最活躍且最具挑戰(zhàn)性的研究課題之一。隨著深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)在目標(biāo)檢測方向主導(dǎo)地位的確立，白天行人漏檢率已接近人類的視覺水平，并在結(jié)構(gòu)化場景中有一些應(yīng)用實例。但在夜間駕駛場景中，由于可見光照明不足且不均、成像動態(tài)變化、數(shù)據(jù)集稀缺，行人檢測研究進(jìn)展緩慢，漏檢率遠(yuǎn)高于白天。激光雷達(dá)通過掃描目標(biāo)的三維稀疏點云，可直接獲取目標(biāo)的距離信息，且具有較高的精度，但其成本高、分辨率低，容易造成漏檢，嚴(yán)重威脅交通安全。相機(jī)成本低、分辨率高，但現(xiàn)有基于視覺的測距方法精度低、魯棒性差，且獨立于行人目標(biāo)檢測模塊之外。針對這些問題，基于多任務(wù)深度學(xué)習(xí)和單目窄帶近紅外成像，本文圍繞夜間駕駛場景行人檢測及其距離估計方法展開研究。