行人检测算法作为目标检测的一个具体问题，涉及图像处理、计算机视觉、机器学习等多个学科，可应用于智能交通、视频监控、图像压缩、多媒体检索等领域。正是因为这些广泛的应用，近年来行人检测受到了科研人员以及企业越来越多的关注，该领域取得了长足的进步。但是由于行人本身及其周围环境的特点，要做到准确、实时地检测仍然面临两个难点：（1）行人是一种非刚性的物体，因为站立角度（正面、侧面、背面）、衣着、遮挡等情况的不同，导致了行人检测的复杂性。（2）摄影角度和属性、光照角度和强度、周边物体的多样性等也给目标的精确检测带来一定的难度。本文在基于AdaBoost行人检测算法的基础上，做出了以下改进：（1）基于混合特征库和AdaBoost级联分类器该方法构建了一个包含了Haar-like矩形、改进的边缘方向直方图（EOH）和梯度方向直方图（HOG）的混合特征库。我们首先提取训练样本的混合特征数据，再利用级联的AdaBoost算法挑选少量关键特征，最终得到快速、准确的行人检测分类器。（2）通过引入显著信息修正AdaBoost分类器的检测结果由于图像中行人所在区域常常与图像较为显著的区域较为吻合，所以本文在行人检测的过程中引入显著信息以提高检测的准确性。本文采用了两种将显著信息与AdaBoost分类器的结合方式，第一种方式与显著物体检测方法类似，直接利用行人的显著特征训练分类器，第二种方式首先生成图像的显著图，再利用显著图的区域显著度动态调整分类器的判别阈值。实验表明，显著信息能够有效地描述行人与周围环境的差异，改进检测结果。本文通过构建一种混合特征库，有效地描述了行人在像素、梯度等方面的特点，通过AdaBoost分类器对特征数据进行分类，得到一个快速、准确的行人检测系统；又通过引入行人的显著信息，在保留了检测实时性的同时，进一步改进了最终的实验结果。