行人检测是计算机视觉领域研究的一个重要分支,是近十几年来的研究的热点。它拥有十分广阔的应用前景,例如家居服务机器人,智能视频监控,汽车的安全辅助行驶等,潜在的商业价值巨大。行人检测虽然已经历经了长久的发展,在这个过程中前人们克服了一些难点问题,但仍有诸多尚未解决的难点,而且目前尚未有效果比较理想的通用的算法出现,仍旧需要不断的研究。从研究发展的趋势来看,行人检测算法正在由采用单一特征、单一传感器向融合多特征、多传感器的方向发展。近年,随着RGB-D相机的普及,能够实时地同步获取稳定的彩色图像和深度图像已经成为现实,这带动了基于RGB-D研究的热潮。本文正是在这股研究热潮的推动下开展了对基于RGB-D的行人检测算法的研究。因此本文主要从特征提取方面分别对RGB图和深度图上的特征描述符进行创新性的研究。针对RGB图像,本文对两个基于稀疏特征点的描述符DAISY和MROGH进行扩展,使其描述图像局部区域,提供了新的特征汇聚的策略。针对深度图像,本文提出了一种新的深度图的特征描述符——PDSS,它的基本思想是：相对于背景来讲,人体呈现出一定的结构,人体自身各部分的深度信息具有局部相似性,例如头部和躯干处在相似的深度上。通过实验,证明了PDSS是具有一定鲁棒性的深度图上的特征描述符,通过在RGB-D联合检测框架下的实验,证明了PDSS是HOG描述符很好的补充。虽然本文的研究的基于RGB-D的行人检测局限在室内场景,但其研究的意义深远。