Implementing pedestrian detection real-time embedded systems remains a major challenge. Detecting pedestrians in an advanced driver assistance system requires a lot of time and resources. The method based on Multi-Scale Region Covariance Descriptor (MSRCD) and Support Vector Machine (SVM) is one of the most effective approaches to perform pedestrian detection. However, such implementation is difficult to be executed in real time on embedded systems. This paper presents three improvements to adapt the solution based on the MSRCD descriptor and SVM classifier for embedded pedestrian detection. First, a new feature combination capable to provide the most accurate description at a minimum processing time for MSRCD is proposed. Second, to speed up the SVM classification, a new approach that adopts the mean SVM technique and Euclidian distance is proposed. Third, parallel implementation is exploited to accelerate processing time on multi-core architectures. The software implementation is performed using the INRIA data set. 18.94% processing time speed-up, 48.21% less memory usage, and 2.38% improved detection accuracy are achieved using the proposed descriptor. Moreover, 58.22% processing time speed-up is obtained for the proposed classifier while keeping the same testing accuracy. The parallel implementation is performed using dual ARM Cortex-A9 processors of a selected Xilinx zynq platform. The obtained results confirmed the effectiveness of the proposed parallelization at accelerating the computing time about 3 times the original sequential processing.

实施行人检测实时嵌入式系统仍然是一个重大挑战。在高级驾驶员辅助系统中检测行人需要大量时间和资源。基于多尺度区域协方差描述符（MSRCD）和支持向量机（SVM）的方法是行人检测最有效的方法之一。但是，这样的实现难以在嵌入式系统上实时执行。本文针对基于嵌入式行人检测的MSRCD描述符和SVM分类器提出了三种改进方案，以适应该解决方案。首先，提出了一种新的特征组合，该组合能够在最短的处理时间为MSRCD提供最准确的描述。其次，为了加快SVM分类，提出了一种采用均值支持向量机技术和欧氏距离的新方法。第三，利用并行实现来加快多核体系结构上的处理时间。使用INRIA数据集执行软件实施。使用提出的描述符可以实现18.94％的处理时间加速，48.21％的内存使用量减少和2.38％的检测精度提高。此外，在保持相同测试准确度的同时，该分类器获得了58.22％的处理时间加速。使用选定的Xilinx zynq平台的双ARM Cortex-A9处理器执行并行实现。获得的结果证实了所提出的并行化在将计算时间缩短到原始顺序处理的大约3倍方面的有效性。利用并行实现可加快多核体系结构上的处理时间。使用INRIA数据集执行软件实施。使用提出的描述符可以实现18.94％的处理时间加速，48.21％的内存使用量减少和2.38％的检测精度提高。此外，在保持相同测试准确度的同时，该分类器获得了58.22％的处理时间加速。使用选定的Xilinx zynq平台的双ARM Cortex-A9处理器执行并行实现。获得的结果证实了所提出的并行化在将计算时间缩短到原始顺序处理的大约3倍方面的有效性。利用并行实现可加快多核体系结构上的处理时间。使用INRIA数据集执行软件实施。使用提出的描述符可以实现18.94％的处理时间加速，48.21％的内存使用量减少和2.38％的检测精度提高。此外，在保持相同测试准确度的同时，该分类器获得了58.22％的处理时间加速。使用选定的Xilinx zynq平台的双ARM Cortex-A9处理器执行并行实现。获得的结果证实了所提出的并行化在将计算时间缩短到原始顺序处理的大约3倍方面的有效性。使用建议的描述符可以减少21％的内存使用量，并提高2.38％的检测精度。此外，在保持相同测试准确度的同时，该分类器获得了58.22％的处理时间加速。使用选定的Xilinx zynq平台的双ARM Cortex-A9处理器执行并行实现。获得的结果证实了所提出的并行化在将计算时间缩短到原始顺序处理的大约3倍方面的有效性。使用建议的描述符可以减少21％的内存使用量，并提高2.38％的检测精度。此外，在保持相同测试准确度的同时，该分类器获得了58.22％的处理时间加速。使用选定的Xilinx zynq平台的双ARM Cortex-A9处理器执行并行实现。获得的结果证实了所提出的并行化在将计算时间缩短到原始顺序处理的大约3倍方面的有效性。