行人检测是计算机视觉的一个重要研究分支,使用检测算法判断图像中是否存在行人目标,如果存在,标记出行人的准确位置。近年来,随着计算机硬件、深度学习以及卷积神经网络的快速发展,行人检测技术在智能安防、智能驾驶和智能机器人等多个领域得到广泛应用。现实生活中,进行行人检测时存在行人尺度姿态多样、行人被遮挡、光线不均匀、背景干扰等众多的影响因素。其中,行人尺度姿态多样和行人被遮挡是本论文的研究重点。一方面,图像中行人目标的尺寸往往会影响检测模型的准确率,当行人尺寸较小时,绝大多数的检测模型很难检测出这类行人,而且实际生活中的行人还会有多种多样的姿态,这也增加了检测难度。另一方面,行人目标被其他行人或物体遮挡时,其轮廓边缘等特征信息会发生改变,多个行人的特征也会重叠在一起,导致误检漏检情况的出现。本文针对上述问题,在基础模型YOLO上进行改进,主要工作内容如下。（1）获取并处理带有行人目标的图像数据集。使用监控摄像机采集视频数据样本,而后将视频样本按照帧切成一幅幅图像,标注出图像中的行人。对于图像中的行人缺乏多样化的问题,使用数据增强的处理办法进行扩充,以完成复杂情况下行人数据集的制作。（2）改进YOLOv4模型并进行行人检测。首先,优化的k-means算法分析训练集中真实框的尺寸,进而明确先验框大小;其次,改进PANet进行多尺度特征融合,使检测模型对多尺度、多姿态行人目标更加敏感,提高检测效果;最后,对于行人被遮挡从而影响检测的问题,以YOLOv4原有损失函数为基础,引入使预测框尽可能靠近自身目标且排斥远离错误目标的斥力损失函数。改进的行人检测模型的检测结果同Faster R-CNN、SSD和原始YOLOv4模型进行比较。（3）改进YOLOv5模型并进行行人检测。首先,输出主干网络中四个有效层的特征,从而获得更多小目标行人的定位信息;其次,在四个有效层上引入多路径聚合神经结构搜索网络,充分利用各个尺度的特征提高模型对多尺度、多姿态行人的敏感度;最后,使用同时基于像素和模态的改进的可见性引导非极大值抑制,提高行人严重拥挤被遮挡情况下模型的检测性能。通过与Faster R-CNN、SSD、YOLOv4和原始YOLOv5模型进行对比,证明所提出的改进方法具有更好的检测精度,现实场景中行人的检测结果可以看出,本文提出的行人检测模型能够满足实际生活中复杂情况下行人检测的要求。