行人检测是目前图像处理和计算机视觉领域的热点研究课题,其研究成果在智能交通、人体运动分析、机器人开发和视频监控等领域具有重要应用价值。行人既具备刚性物体的特性,同时又具备一定的柔性物体特征,且易受服饰、姿态、光照、环境背景和遮挡等影响。因此,行人检测也是一个极富挑战性的研究课题,具有重要的理论意义和应用价值。一个完整的行人检测系统由图像采集、特征提取、分类器训练、检测等模块组成。本文综述了国内外行人检测技术的研究现状,详细分析了目前常用的各行人数据库的特点以及行人检测技术研究存在的难点,重点研究了行人特征表示方法。主要工作和创新点如下：(1)针对目前广泛使用的梯度方向直方图特征(HOG)维度较高且计算复杂、对噪声敏感、无法刻画图像纹理特征的缺点,受局部二值模式特征的启发,将局部三值模式特征(LTP)引入到行人检测,提出了改进局部三值模式行人特征(Sqrt-LTP)表示方法。Sqrt-LTP特征不仅有很好的图像纹理信息描述能力,而且计算复杂度低、对噪声不敏感。在INRIA行人数据库上的实验结果表明：基于LTP特征的行人检测方法其性能优于HOG特征的行人检测方法,且改进后的Sqrt-LTP特征进一步提高了行人检测性能。(2)针对单一特征无法较全面地刻画图像信息这一问题,提出了基于多特征融合的行人检测方法,将刻画图像中边缘信息的HOG特征描述子与刻画图像纹理信息的Sqrt-LTP特征描述子相融合。融合后的新特征更全面地描述了行人的特征信息,从而提高了行人检测性能。在INRIA行人数据库上的实验结果表明：基于HOG和Sqrt-LTP融合的行人检测方法其性能优于使用单一HOG特征和Sqrt-LTP特征的行人检测方法。