行人检测是目前计算机视觉领域的热点研究课题,其研究成果被广泛应用于智能交通、机器人开发、智能视频监控等领域。由于行人检测不仅要应对复杂的背景、遮挡及光照的影响,而且还要应对自身穿着、姿态和视角等的影响,这些因素导致行人检测成为计算机视觉领域研究的难点之一。本文以权衡检测精度和速度、解决部分遮挡问题为出发点,在综合分析现有的行人检测算法的基础上,应用图像处理、计算视觉等领域相关理论,提出了自己的行人检测算法。首先,针对现有基于HOG-LBP特征的行人检测算法,检测速度较慢,不能满足实时性需求的问题,通过改进HOG特征和引入两层检测结构,提出了基于多特征级联的行人检测算法,本算法首先使用改进的HOG特征进行检测,快速排除大量负样本;然后使用融合特征进行检测,进一步排除困难负样本,以在保证检测精度的前提下,加快检测速度。其次,针对现有的基于滑动窗口的行人检测算法,无法处理部分遮挡,进而导致误检和漏检较高的问题,通过改进HOG特征和结合整体检测器和部件检测器各自的特点,提出了基于遮挡推理的行人检测算法。首先判断整体检测器的检测得分是否在可能发生遮挡的范围内,其次通过改进遮挡推理算法,判断得分在范围内的窗口是否存在遮挡,最后使用DPM模型检测存在遮挡的窗口,来检测出被遮挡的行人,提高检测精度。最后,通过与现有行人检测方法进行对比实验,验证基于多特征级联的行人检测算法,在保证检测精度的前提下,加快检测速度的有效性;验证基于遮挡推理的行人检测算法,在解决行人部分遮挡问题上的可行性。