目前为止,面向智慧交通的行人检测领域已经取得了不少的成就,但仍然存在着一些非常棘手的问题,其中一个就是复杂光照场景下的行人检测问题。传统的可见光模态图像受光照条件的影响非常大,在白天光照条件较好时可见光模态图像较为清晰,行人检测的效果较优;但在光线较弱的情况下可见光模态图像质量较差,由于无法提供充分有效的行人目标信息,从而导致了行人检测效果的严重下降,而红外光模态图像对于这方面行人信息的弥补有着积极的作用。因此,本文主要针对混合模态图像下的行人检测问题,在YOLOv4算法的基础上提出了一种面向智慧交通的多尺度混合模态行人检测算法,通过可见光和红外光两种模态图像特征的融合,实现复杂道路场景下的行人检测性能。研究内容包括如下三个方面:（1）在YOLOv4算法的基础上引入并行双流特征提取网络,并提出通道堆叠和自学习加权相加两种混合模态特征融合方法。实验结果表明采用通道堆叠融合的检测方法较可见光模态检测方法提高了5.07%的平均准确率,降低了6.92%的对数平均漏检率。（2）提出了四合雪花变换和伪目标嵌入的方式来对原始的训练数据集做数据增广,使得在有限的数据集中产生大量的新样本,从而提高系统鲁棒性。（3）提出了特征共享学习网络FSNet,通过让两个并行不同模态的特征提取网络相互交换特征矩阵各自指导对方有针对性地从图像中学习到共同需要的特征,并辅以Inception结构和跨模态通道注意力机制CMSE来帮助捕获更多的语义,从而实现混合模态特征之间的最佳融合。实验结果表明该方法较通道堆叠融合方法降低了2.8%的对数平均漏检率。综上,本文提出了一种基于YOLOv4算法的可见光、红外光混合模态的多尺度道路行人目标检测方法,经过大量实验和不断改进取得了一定的成效。