行人检测是计算机视觉领域中研究的一个重要方面,国内外研究者从特征提取和运动信息两方面提出了各种不同的算法。在行人检测过程中,行人检测的效果容易受到外部环境(光照、遮挡、背景变化等)的干扰。在光照变化的条件下,基于梯度技术获取图像的相位信息能够更好地识别和定位图像的特征。因此,本文首先研究了基于相位信息的行人检测方法,通过计算图像中局部区域相位一致性直方图,并将这些直方图组合起来构成定向相位直方图(Histogram of Oriented Phase,HOP),使用INRIA数据集评估HOP描述符的性能。基于HOP特征的检测方法能够克服光照的变化,但是仍然有局限性,为了能够获得更多的结构信息,更好地适应光照和杂乱环境的变化,研究了基于HOP的特征融合的方法,将方向梯度特征直方图(Histogram of Oriented Gradient features,HOG)与HOP描述符相结合用于行人检测中。并且利用INRIA数据集评估融合特征的性能。在行人检测过程中,本文将行人特征与运动信息相结合检测行人,采用线性支持向量机(Support Vector Machines,SVM)分类器用于训练行人分类器,使用ETHZ和Caltech测试集评估行人检测方法的性能。实验结果表明,本文所提出方法在行人检测中具有较少的误检率和更好的检测性能。