行人检测技术是图像处理、模式识别等多学科交叉的研究课题。随着科技的不断进步,行人检测技术越来越受到人们的关注。它在智能交通、自动化控制、人机交互等领域有着广泛的应用背景。虽然目前取得了很大的进展,但是由于行人的姿态多变,行人所在背景复杂多变等因素,要想同时兼顾准确率和实时性,仍然是很困难的。本文首先介绍了行人检测算法目前的研究现状,分析了存在的各类问题,以及介绍了常用的特征和分类器。接着对行人检测算法进行了研究,具体内容如下:(1)针对单一特征的不足,本文提出了一种多通道特征融合的检测方法。在训练阶段,首先提取聚合通道特征(ACF)、局部二值模式特征(LBP)和Sketch Tokens特征(ST),然后对提取的三类特征均采用Real Adaboost分类器进行训练;在检测阶段,应用了级联检测的思想,初期使用ACF分类器处理所有实例,保留下来的少数实例运用复杂的LBP及ST分类器进行逐次筛选。通过实验表明LBP特征与ST特征能对ACF特征进行信息互补,从而在复杂场景下去掉部分误判,提高了行人检测的精度,同时应用级联检测保证了多特征算法的计算效率。(2)根据行人运动的特点和行人在图像中位置与身高的对应关系,本文提出了一种结合运动特征与位置估计的行人检测算法。首先提取运动特征和聚合通道特征(ACF),然后将提取的特征放到分类器里进行训练,并对行人可能存在的位置建立评估模型;在检测阶段,首先通过分类器确定行人的候选区域,然后采用非极大值抑制算法去除重叠窗口,最后对行人候选区域应用位置评估模型进一步判断,以此排除可能的非行人目标。通过实验表明该方法能够在ACF算法的基础上有效地提高算法精度。