随着大数据技术的发展,人工智能迎来了前所未有的发展机遇。人工智能与社会、人类生活融合的程度也不断深化。人工智能技术的出现和应用,不仅极大丰富了人们的休闲娱乐生活,同时也推动着交通、传统制造业、医疗、教育等行业加快进行新型产业体系的构建和调整。目前人工智能技术处理的数据类型主要包括文字、语音、图像和视频。根据美国Cisco公司的研究,预计到2022年全球的线上视频流量占据总流量的约82%,线上数据将越来越被视频数据所主导。以图像和视频为主要处理对象的计算机视觉,要比以文字或语音为主要处理对象的其它人工智能技术具有更加丰富的应用场景和商业化价值。据清华大学数据显示,在技术层面上,国内计算机视觉的应用在整个人工智能应用领域中占比达34.9%,已成为各行业发展的重要支撑,包括自动驾驶、增强现实、安防、医学影像分析、金融、无人零售等。行人检测是计算机视觉的核心内容之一,是计算机根据给定的图像或视频,判断其中是否存在行人,同时给定出行人的具体位置信息。行人检测是行人跟踪、行为分析、步态分析、行人身份识别等研究的基础和前提,对视频监控、车辆辅助驾驶、智能机器人等多个领域提供了重要的技术支持。人不但具有一般物体属性也具有类内多变化的特殊性,人的特殊属性也正是行人检测的难点。基于人工设计特征的检测方法从最初使用简单特征到人工设计的特征描述子,特征的表示能力逐步增强。近年来,具有强大学习能力的卷积神经网络在计算机视觉领域取得了较大进展,但是由于行人具有非刚性形变特点,以及遮挡、类人形物体、图像质量和行人多尺度等问题的存在,导致检测过程中出现漏检和误检。本文认为本质上是由于深度卷积神经网络对行人特征表示能力不足引起,因此本文提出了自适应池化、特征收缩调节方法以及全局上下文信息与多层特征的融合等方法增强了行人的深度特征表示能力,最终改善行人检测性能。全文完成了以下工作:首先提出了基于自适应池化的行人检测方法,通过权重值连接两种单一池化方法,采用学习机制进行权重值的自适应分配,多种单一池化方法的联合使用减少了特征信息的丢失,为特征图增加了信息量。同时设计适合行人的特征提取网络,使得行人的各区域可以采用适合自身特征分布特点的池化方式,不同区域对应不同池化方法,保证在获取有效高层语义的同时尽可能保留行人的细节特征,提升了特征信息的表示能力。实验结果表明,检测效果和检测速度上都有改善。其次分析了目前深度卷积神经网络通过卷积操作获得不同的通道特征,不同通道特征对行人表示的贡献程度不同。为有效利用不同通道特征,本文提出了一种特征收缩调节(Reduction-Adjustment)方法,通过门控机制捕获并建立通道特征之间的相关性,表征通道特征的贡献度并利用贡献度调节通道内特征,实现对贡献程度高的通道内特征进行增强,反之对贡献程度低的通道内特征进行抑制。实验结果表明,所提方法对不同环境下的行人均有良好的检测效果,具有较好的泛化能力。针对单一高层输出特征图存在对行人特征表示能力不足的问题,本文采用多层输出特征图开展多尺度行人检测研究。目前对于多层特征的选取并没有有效的方法,普遍通过实验方法确定。针对该问题,本文基于感受野理论,通过研究行人尺度与有效感受野、理论感受野、锚点框之间的关系,提出基于有效感受野的全局上下文信息和多层特征融合方法。具有高质量语义信息和较少细节信息的全局上下文信息为行人提供简洁的全局的场景语义信息,多层特征提供了丰富的行人细节特征。通过行人自身特征和外部语义信息的特征融合,提升网络对行人的检测能力。实验表明,所提方法对多种尺度的行人检测均有良好的检测效果。本文提出的方法在多个公开数据集上进行实验,并与多种基于人工设计特征的检测方法和基于卷积神经网络的检测方法进行对比,验证了本文提出方法具有较好的实用性、泛化性。