行人检测是近年来智能车辆领域研究中备受关注的前沿方向,目前一些汽车生产厂商、大学和研究机构相继开展了行人检测技术的研究。本文介绍了行人检测与识别的算法。在行人的检测算法中,主要利用行人特征和运动的方法相结合来对行人进行分割：(1)行人的运动方向和摄像头成一定角度的时候,通过图像相邻帧之间的特征匹配,建立自运动补偿模型,并基于此模型消除摄像机的运动,建立差分图像,然后对差分图像利用行人的边缘对称性和腿部的垂直特征进行行人的分割。(2)行人与摄像头方向一致时,我们就可以直接利用行人的形状特征,行人具有对称性和腿部具有垂直性的特征,来对行人进行分割。在行人识别算法中,主要用支持向量机来对行人进行识别。在本文中主要通过样本的选择和特征方面来提高对行人的识别率。对行人分类性能的主要影响因素有三点：特征、样本、分类算法：(1)特征方面主要利用HOG特征是由边缘方向直方图、SIFT算子和形状纹理变形改进而来的。它的主要思想是：目标物体的局部外观和形状通常可以通过局部灰度直方图或者边缘方向的分布相当好地表示出来。利用积分图得到快速HOG特征,并在block遍历的时候采用一定比例遍历图片。(2)对样本进行了标定处理,并在训练的时候采用正负样本1：2的比例。(3)在分类算法中利用线性SVM分类器和快速HOG特征来对行人进行识别。在行人检测算法评估中,主要摄录的是辽宁省沈阳市市内各地段道路交通情景,涵盖了较全面的道路情况和各种天气情况,并进行行人检测算法测试,结果表明,本文提出的算法对于行人(包括静止的和运动的)具有良好的检测效果。