随着科技进步,智能汽车研究已经有了飞速的发展,行人检测(Pedestrian Detection)又是智能汽车中重要组成部分。因此,行人检测的研究变得非常热门。在实时行车环境中由于受到行人行走姿态,行人衣着,行人复杂背景,以及光照等外在条件影响使得行人检测研究变得非常复杂。因此行人检测不可能有“万能”的系统可以检测出任何场景中的行人只能是具体问题具体分析。本文针对前人提出的HOG+SVM行人检测方法进行改进,HOG+SVM检测行人的速度相对较慢,且检测精度不是很好。本文提出了对HOG进行PCA(主成分分析法)降维,同时还对其进行了插值处理。使得单个的HOG特征维数降低且精度增加,并且使之与LBP特征融合。HOG特征与LBP特征融合后的特征既能表达行人轮廓信息又能得到行人纹理信息,这样可提高行人检测的速度同时提高检测的精准度,有利于减少检测中误检和漏检情况。虽然也有研究者融合了HOG和LBP这两种特征,但是简单的融合这两种特征后,实验结果表明其检测效果并没有多少改进。本文先对HOG特征进行改进,采用了简化了的三线插值法,即二维卷积插值法,使得原来三线插值HOG特征维度降低,并且对其PCA降维。融合改进后的HOG特征和LBP特征在其维度降低的同时没有丢失主要特征。这样使得检测速度变快,检测精度变好。本文利用改进的方法针对行车前方的行人进行检测。其次,对于现有的检测方法滑动检测法,在很多研究中都是一笔带过的,基本上研究的很少,本文较详细的对比了最流行的两种滑动窗口检测法的原理,一个是变化的检测窗口检测不变得图像,另一个是固定检测窗口检测变化的图像。同时针对多尺度的融合问题,本文提出了非极大值抑制算法,很好的解决了多滑动窗口的融合。同时对遮挡行人进行评分运算,解决行人遮挡问题。本文针对不同格式的视频检测素材,在MFC平台上编写了一个应用程序,使得行人检测的素材能够很快的得到验证,这样有利于行人检测结果数据的分析与记录。