行人检测是计算机视觉中的经典问题,历来是计算机视觉领域的研究热点,由于其检测目标的特殊性、广泛的应用前景及商业价值,已成为国内外学者及相关从业者竞相研究的对象。近年来,随着深度学习的迅猛发展,计算机视觉技术结合深度学习方法的行人检测算法,逐渐成为行人检测领域的主流算法。特别是基于卷积神经网络的深度学习算法提出以来,行人检测算法取得了突破性发展,已经具有很高的检测精度和速度,使行人检测效率达到了新的水平。然而综合文献分析,目前基于深度学习的行人检测遇到的主要挑战,也是检测算法的精度、速度与实际需求之间的差距,其检测精度和检测速度仍需进一步提高。其中,行人检测精度和速度的权衡是最具挑战性的问题,而多个行人多尺度问题是重要影响因素之一。在行人检测算法设计中,多人多尺度问题的解决能够提高行人检测的精度,所以对于行人检测多尺度问题的研究有现实意义。因此,面对此类问题,在充分调查研究并仔细分析当下代表性检测算法基础上,提出了一种基于多尺度特征融合的卷积神经网络行人检测算法。本算法为了充分利用行人图像的多种特征去实现行人检测,通过融合图像的颜色、纹理等特征,使最后得到的特征图具有的信息更加丰富,从而有效减少误检数量,提高检测精度。除此之外,在不同的位置提取不同尺度的特征图分别进行预测,最后合并预测结果。相较于只在网络的最后位置进行预测,能够有效减少丢失率,提高检测精度。主要研究工作包括以下三个方面。(1)设计行人检测网络结构。根据复现算法所获得的经验,借鉴经典的目标分类网络结构,并对其进行微调来作为基础特征提取网络。另外,提出一种多尺度特征融合方式,使用上采样放大特征图对特征进行融合,对行人的多方面信息进行充分提取,包括颜色、纹理信息以及梯度信息等。使学习到的特征信息更加丰富,弥补了单特征提取的特征信息不全面、对行人特征不能详细描述的不足,从而提高检测结果的精度。(2)提出一种适合行人特征的锚框设置方式。由于行人具有非刚性形变的特点,并且在拍摄的图像中行人姿态多样,拍摄时的角度也各有不同,导致图像或者视频中行人尺度大小不一,所以设置了不同尺度以及不同宽高比的锚框来对图像中的行人进行预测,使得最终的检测框更加精确。(3)对设计好的网络模型进行训练,并将训练好的模型在不同的行人检测测试集上进行实验验证,同时对实验结果进行量化分析与对比。通过实验结果表明,本论文提出的算法能够有效实现行人检测的任务,并且相较于其他算法而言,本文算法具有更高的准确率,并且检测运行速度也并没有降低。从而证明了本文算法具有一定的可行性和有效性。