近年来,行人检测、行人重识别等技术的研究已经成为智慧城市、智能监控领域的研究热点。但在实际应用中,由于光照、角度、距离等因素的影响,拍摄图片中行人目标常出现遮挡、尺寸偏小的问题,导致行人目标特征信息不足,降低了行人检测算法的检测能力。本文针对该问题研究SSD（Single Shot MultiBox Detector）及行人检测算法,以提高对遮挡、小尺度等行人目标检测的准确性。本文的主要工作如下:1.在研究了SSD（Single Shot MultiBox Detector）原理及特性的基础上,提出了引入SE（Squeeze-and-Excitation）的SSD多尺度行人检测算法。首先将SSD模型的浅层特征conv3₃层作为检测分支;其次,在conv4₃层、conv8₂层和conv11-2层利用反卷积的方法引入上下文信息,提高模型的检测能力;另外,在SSD模型的额外特征提取层引入SE网络结构,提高模型的特征提取能力,提高模型对小尺度行人的检测性能。2.提出并研究了引入解码-编码器的SSD行人检测算法。首先,根据编码-解码器的结构特点和原理,将解码-编码器引入SSD网络的主干网络和额外特征提取层之间,接着将深层网络高级语义信息和浅层网络局部细节信息相结合,达到增强特征的效果,提高算法的行人检测性能。3.论文分别对引入SE的SSD多尺度行人检测算法和引入解码-编码器的SSD行人检测算法进行了实验和测试。针对引入SE的SSD多尺度行人检测算法,本文将其与当前比较流行的行人检测算法进行实验对比,该算法在INRIA测试集上的检测性能良好,漏检率均比其他算法低,说明本文的改进有效提高了对小尺度行人的检测能力。针对引入解码-编码器的SSD行人检测算法,实验表明该算法性能良好,对小尺度行人具有更好的检测效果。