行人检测技术是计算机视觉、人机交互和模式识别等领域中的一项重要研究内容，是目前计算机应用领域的研究热点之一。它处于智能车辆辅助导航系统的底层，是各种后续高级处理，如目标分类、行为理解的基础。行人检测技术在智能控制系统、虚拟现实、机器人应用等方面也有着广泛地应用。　　 目前行人检测技术主要利用大量行人外貌的统计信息，即基于统计分类的方法进行检测。基于统计分类的方法通过机器学习从一系列训练数据中学习得到一个分类器，然后利用该分类器进行行人识别。这类方法主要包括两个步骤：特征提取和分类器设计。特征提取的目的是降低数据的维数，得到能反映行人本质属性的特征；分类器设计属于机器学习领域的范畴，其目的是得到一个计算复杂度较低、泛化能力较强的分类器。　　 本文提取图像的梯度方向直方图特征(Histogram of Oriented Gradient，HOG)，该特征包含了图像中某个矩形区域的梯度方向与强度的统计信息，能够在复杂背景下较好地反映出行人的轮廓。采用支持向量机(Support VectorMachine，SVM)训练行人分类器并对待检图像进行行人检测，其特点是运算简单且推广能力好。结合HOG特征和SVM算法进行设计，实验结果表明，该算法对前方出现的不同形态、不同衣着颜色的行人均取得良好的检测效果。