随着计算机技术的发展以及人们对美好便捷生活的追求,行人检测的应用场景越来越多,比如,景区或商场的人流预测、人群的个性化分析、行人交通安全、无人驾驶、寻找丢失老人儿童等。伴随移动设备的快速发展,越来越多的功能开始探索在移动端设备进行实现,在Android系统的移动设备端实现行人检测算法越来越重要。本文主要完成了在Android手机实现行人检测算法。本文主要研究内容如下。首先,本文对Android操作系统进行了介绍,详细分析了本实验中测试使用的两个Android版本。介绍了Android 4.4和Android 6.0系统的特点以及编程变化。同时本文实现了在Android手机端的行人检测应用开发,并对应用进行了测试。分别使用了两台不同的Android手机实现应用并测试,最后对结果进行了分析。其次,详细介绍分析了目前在行人检测领域使用较多的特征,包括Haar特征、HOG特征、LBP特征。在对常用单一特征进行单独训练测试后,本文选取了比较优秀的BPG特征和LBP特征进行组合。BPG特征是最近几年学者新发现的特征,其本质是对图像的梯度特征进行提取,通过类似LBP特征的计算方法进行统计,BPG特征保留了HOG特征的特性,结合可变区域统计使其能更好的对图像中的行人进行描述。本文介绍了检测过程中使用的滑动窗口机制,以及训练分类器使用的Adaboost算法。本文详细介绍了级联分类器的训练过程,并对级联分类器的级联结构进行了具体分析,同时具体介绍了弱分类器的组成结构。最后,本文实现了C++代码与Java代码的交互。图像特征提取以及检测均使用了C++代码,Android应用程序的开发使用Java代码,本文实现了C++代码到Java代码的移植。同时本文实验中集成OpenCV4Android的开发环境,通过应用OpenCV库函数,极大缩短本文的代码量,简便了开发。