随着社会经济和城市化的不断发展,汽车作为基本的交通工具,数量也随着迅速增加,导致交通安全问题日益突出。行人与车辆是交通行为的主要参与者,本文对基于单目视觉的行人和自行车检测与跟踪算法进行了研究和实现。现实生活中,包含的车辆种类极多,而本文只是在研究行人检测的基础上对骑自行车行人进行了深入一步的研究。骑自行车行人的特征中既包含步行行人的特征又比其的特征复杂的多,且它的速度也较行人快,因此,对自行车行人的研究也具有重要的意义。本文主要完成的研究与实现：一,使用图像预处理、边缘检测等技术提取有效的边缘轮廓,分别利用行人和骑自行车行人的轮廓特征进行感兴趣区域的提取；二,采用Adaboost算法对搜集到的行人和自行车行人的正负样本进行级联分类器的训练,训练得到的级联分类器可以有效地在候选区域范围中检测识别行人和骑自行车的行人目标。三,在HSV色彩环境下,通过对已检测行人目标的色彩的提取,实现了基于CamShift算法的行人目标的跟踪,为了减小目标遮挡及噪声等因素的影响,本文在CamShift跟踪的基础上,利用运动目标预测算法提高目标位置的跟踪精度。因此,本文采用CamShift和Kalman滤波相结合的算法对目标进行跟踪预测。实验结果表明：本文基于边缘特征的分割算法能够很好的提取行人或骑自行车行人的感兴趣区域,识别算法具有较高的检测率,与预测算法结合的目标跟踪也具有较高的准确性和较快的运行速度。