行人检测是计算机视觉研究中的重点和难点,行人检测在学术界和工业界受到了广泛的关注。行人检测要解决的问题是计算机要在图片或视频中用算法把所有行人的位置都检测出来,并且在图片或视频上用矩形框标注。行人检测技术有着很高的实用价值,可以应用到无人驾驶、智能机器人、人体行为分析和智能交通等领域。由于现实中的行人具有相当的柔韧性,因此外观差异会很大,对行人的特征提取会有一定的难度。在行人检测过程中,行人的遮挡和行人所处的环境比较复杂,也会影响最终的检测结果。本文所采样的方法是基于Faster R-CNN算法上改进的。本文将在以下几个方面对Faster R-CNN算法进行改进。第一,Faster R-CNN网络只有一个检测网络,因此一个检测网络很容易出现输入给检测器的候选框自身的IOU阈值与检测器在训练时候给定的IOU阈值不匹配的现象,从而导致了检测效果不佳和准确率下降。因此,文本采用了级联多个检测网络的方法来提高检测精度。第二,VGG16网络层数不够深和不能解决梯度消失的问题。然而Res Net50可以用残差网络来解决梯度消失的问题以及可以加深卷积神经网络的层数。因此将Faster R-CNN的特征提取网络VGG16换成Res Net50。第三,在Caltech行人数据集中有许多小行人的数据集,这样就很容易因为网络层数太深导致小行人的特征信息丢失,导致小行人的特征无法被学习到。FPN网络可以融合高层特征和底层特征,其中底层特征一般都含有小行人的特征,使得小行人的特征信息可以保留。因此选择搭配FPN网络来提高对小行人的检测能力。第四,由于行人具有相当的柔性,导致了行人的几何变化非常的多,但是Faster R-CNN网络并没有很强的几何形变适应能力。为了解决这个问题,本文将在第四章详细描述可变形卷积网络模型,并利用该模型来提高对形变目标对象的学习能力。仿真实验是在Caltech行人数据中进行验证。经过对比实验结果表明,级联R-CNN网络+FPN网络+Res Net50+可变形卷积网络V2,相比于Faster R-CNN+VGG16和级联R-CNN网络+FPN网络+Res Net50,在召回率、准确率和平均精确度上都得到了显著的提升。