行人检测技术伴随着智能视频监控、车辆辅助驾驶、城市安防、智能机器人等渐渐成为了机器视觉领域的热点问题。但是由于行人不是刚性物体,具有姿态的多样性。且复杂的背景环境以及其他物体带来的遮挡,这都使行人检测成为比较棘手的问题。本文的主要工作有以下几个方面:(1)对经典的HOG特征展开进行研究,分别对比了在不同坐标系下的HOG特征的DET曲线。并将不同坐标系下的HOG特征进行融合,分别在线性核函数和高斯核函数下,进行实验。并对经典HOG和改进后的HOG特征进行PCA降维,分别在线性核函数和高斯核函数下进行实验。实验表明融合后的HOG在线性核函数上,无论是否进行PCA降维,都表现出较好的效果,但是在高斯核函数下,效果没那么明显。(2)介绍了被广泛关注的可变形部件模型(DPM模型),DPM模型中的HOG特征相对经典的HOG特征做了很大的改进,有很好的检测率。(3)行人再识别的问题也渐渐成了一个热点问题,本文采用三种不同方式的分割,并分别提取其空间颜色直方图进行实验,实验表明横向分割具有较好的识别率。(4)将SVM+HOG行人检测模块和高斯背景建模模块相结合,并用VC++实现了行人检测和跟踪系统。