随着科技的发展,行人检测技术变得越来越重要了。行人检测技术在计算机视觉领域里的作用占有很大比重,并且在车辆辅助驾驶、自动驾驶、安防监控、视频监控、智能机器人、高级人机交互等领域有着很高的商业价值,应用前景广阔。因为人体是非刚性的,很容易受到衣着、光照、姿态、视角等影响,还有行人检测要面对复杂的背景环境,这些因素在一定程度上影响着行人检测的精度。本文结合传统的行人检测方法,在它们基础上进行了一定的改进,然后通过一定的实验进行验证得出改进的行人检测算法能够在准确度和速度上有一定的提高,并且可以解决一定程度上的行人与行人、行人与物体之间的遮挡问题。本论文首先针对的是传统经典基于HOG特征的行人检测算法,这个算法具有图像特征单一、检测速度慢、检测效率低等缺陷,改进的部分是将HOG特征与LBP特征进行特征融合,但是特征融合会使融合后的特征向量的维度变高,所以改进经典算法采用基于PCA降维的HOG特征与描述图像纹理特征的LBP进行特征融合,然后结合SVM分类器进行行人检测。图像中存在大量的行人与行人、行人与物体之间遮挡的情况,所以提出了基于加权部件模型的行人检测算法。该算法对DPM的每个部件附上不同的权值,可以显示不同部件的重要程度,改进的算法能够很好的处理图像中存在遮挡的情况。