行人检测是计算机对于给定的视频序列或者静态图片,判断其中是否有人,并预测出所有行人的边界框,如果有人的话还需要将每个行人从其所在的背景中分割出进行精准的定来并位。目前,行人检测技术已被广泛的应用于智能视频监控、智能机器人、智能交通以及车辆辅助驾驶等领域中,也是行人跟踪和行人身份再识别等领域的基础性工作。虽然该项技术已有了很大的突破,但仍然有很多难点,主要原因是由于行人姿态各异、行人外观多样以及行人所处的背景复杂多样等问题导致的。行人检测任务有两个关键问题。其一为需要提取鲁棒性的特征。传统的行人检测方法提取的是手工设计的HOG(Histogram of Oriented Gradient)等特征,这些特征仅仅利用了图像的低层或中层信息,而忽略了高层语义信息。此外,为了提高最终的检测效果,需要对目标进行精确定位,传统方法在解决这一问题时不仅耗时还会产生很多冗余窗口,导致检测效果并不是很好。本文主要围绕以上两个关键问题进行研究。主要研究内容为:(1)结合深度学习的方法,设计基于Fast R-CNN的行人检测框架,该方法能够提取具有鲁棒性的特征,可以很好的解决语义鸿沟的问题;(2)为了提取具有高质量的感兴趣目标区域来提高检测效果,使用EdgeBoxes方法,可以产生具有高质量并且低冗余的候选窗口;(3)为了降低网络的训练时间复杂度以及防止训练过程中出现梯度弥散等现象,我们在检测框架中的卷积层和激活函数层之间引入了批量归一化层。实验结果表明,在INRIA和ETH数据集上均取得了令人满意的检测效果。