行人检测是计算机视觉领域的研究重点之一,在实际生活中的各领域也得到了广泛的应用。本文主要针对行人检测和行人相关特征取算法进行研究。DPM模型是行人检测领域使用较多的一种方法。本文首先对DPM模型进行分析,针对其特征方面和模型构造方面进行了改进。针对其使用的单一特征在特征述上的缺陷,出了一种多特征融合的方法。选取与HOG特征性能互补的纹理特征和颜色特征进行融合。采用旋转不变的等价模式LBP作为纹理特征。颜色特征方面,出了一种新的颜色自相似特征,使用CN颜色名称特征代替了CSS颜色自相似特征中的HSV直方图,并简化了相似性计算方法。针对目标遮挡问题,对DPM模型的组成结构进行了改进,出了一种简单加权部件模型的方式。在DPM训练阶段之后,对各部件滤波器的权重进行测试和计算。然后使用加权后的部件模型进行检测,能够检测出存在一定遮挡的行人。行人相关特征取能够帮助有效的识别行人信息。本文针对行人衣服颜色和纹理进行了行人相关特征取。首先对检测到的行人图像进行图像增强,然后使用grabcut算法和梯度阈值判断构造行人上下半身分割模型,然后分别对上下半身取颜色和纹理特征进行识别。采用CN颜色名称作为颜色特征,采用改进的完整LBP特征和旋转不变HOG特征相结合的作为纹理特征,然后使用SAE分类器进行分类。针对grabcut行人分割的缺陷,采用基于DPM的部件位置估计和超像素区域标签的方法,改变了DPM模型中的部件模型构造,加入了共现模型。使用gPbOWT-UCM分割算法将图像划分为超像素区域。结合部件位置约束,使用CRF模型对超像素标签进行估计。根据得到的超像素标签进行区域合并得到行人的划分模型。使用此划分模型进行行人相关特征取,其准确率有所高。最后构建了一个行人检测系统。能够对输入视频进行行人检测和相关特征取及识别,将检测到的行人及其相关信息存储到数据库,并可根据输入信息对数据库中的图像进行搜索。