随着汽车行业的迅速发展和汽车用户的逐年增加，交通安全问题已经越来越受到人们的重视。近年来，一种用于监控汽车行进方向范围内行人安全性的车载行人检测系统成为了交通安全领域内最为活跃的研究课题之一。它的核心在于使用安装在行驶车辆上的摄像机检测出行人，并估计发生危险的可能性，从而达到保护行人的目的。显然，行人检测系统是一个动态视觉监控系统，与一般的静态监控系统相比，它面临的难点在于检测平台和检测对象的动态性、以及场景的时变性，同时对检测性能尤其是实时性要求更高。 基于分类的检测是目前的一种主要的行人检测技术。与一般的分类问题相比，行人分类问题具有自身的特点，目前现有的单分类器、串联组合分类器和并联组合分类器很难同时满足行人检测系统在检测率、误报率和速度等方面的综合要求，因此需要研究针对性的分类算法。 本文提出了一种树状结构的组合分类器，它兼取串联组合分类器和并联组合分类器的优点，能够根据分类问题特点自适应地调整自身结构。同时，对于其中的每个单分类器，采用一种种群规模动态调整的协同进化算法为其优选出最有效的特征。由此得到的树状组合分类器，在检测率不下降的情况下，还具有检测速度快、误报率低的特点。本文给出了树状组合分类器性能的理论分析；基于真实车载行人检测系统的对比实验也验证了树状组合分类器优于现有的串联组合分类器以及单分类器。