行人检测作为一种计算机视觉任务,能够及时对成像设备产生的图像进行分析处理,为针对行人的后续任务做出保障。由于其在无人驾驶,安全等方面具有重大意义,因此受到了广泛的研究与应用。传统的行人检测方法往往基于单模态的输入数据,如可见光图像,红外图像等。然而单模态数据在特定条件下常常存在缺陷,在处理复杂环境条件下的行人目标时,往往无法获取明确的行人信息,从而使得基于单一模态的行人检测存在较高的漏检以及虚警率,降低检测器的性能。针对上述问题,本文基于可见光与红外图像融合的方式对复杂环境条件下的行人目标进行检测。主要使用模态增强的方式提高模态特征的表征能力,进一步使用共有信息互补与模态间置信融合的方式强化多模态的交互能力,同时使用注意力转移的策略提升网络的全局观。具体工作如下:（1）提出了基于模态增强的可见光与红外图像融合行人检测算法（MA-Net）。针对可见光与红外图像融合行人检测中,模态特征表征能力弱的问题,从三个方面对模态特征表征进行加强。首先,针对模态特征提取分支没有明确标签引导的问题,使用额外监督过程强化模态信息的提取,增强模态分支对目标的理解能力,建立了基于模态增强的可见光与红外图像融合网络训练框架。其次,针对常规多尺度方法训练代价高,融合方式单一的问题,使用基于候选区域池化特征的多尺度自适应融合模块,以一种细粒度的方式将融合聚焦于候选部分,并以自适应的权重对候选特征进行融合,强化模态的特征表示。最后,为进一步在融合特征中保持模态所具有的重要信息,使用基于双约束的生成模块,通过融合特征重构融合图像,并以均方差损失（MeanSquare Error,MSE）保留红外图像中存在的亮度值信息,以全变分损失（Total Variation,TV）保留可见光中存在的细节纹理信息。实验结果表明,所提出的方法提高了不同尺度行人的检测能力的同时保留了快速的检测速度。（2）提出了基于注意力转移的可见光与红外图像置信融合行人检测方法（MIANet）。常规的基于可见光与红外图像融合的行人检测方法中,融合过程可能会存在无区分,无阶段性,无置信度判定的问题,这就限制了数据的交互能力。为了解决这些问题,首先,提出共有注意力机制,以阶段性方式融合模态数据中的共有信息,并保留模态私有的特性。其次,提出置信度融合模块对模态自身可靠性以及交互过程的可靠性进行度量,以度量结果作为融合的依据,实现更合理的模态间融合。最后,针对上述提出的模块中,模块与模块之间往往是相互独立的,使得许多已经获得的信息没得到充分的利用的问题,提出注意力转移策略。针对共有注意力转移,用上一阶段计算得到的共有注意力信息与当前计算获得的共有注意力信息融合,实现阶段性的交互,仅使用上一阶段进行注意力转移主要是为了防止网络的长距离依赖,使得依赖关系清晰明了。针对置信度转移,将所得置信度转移到损失函数计算过程,降低高置信度的损失,提高低置信度的损失,以加强困难样本的检测。所提出的方法充分考虑了模态之间的交互过程,对于存在对齐问题的数据集中的行人以及苛刻条件下的行人目标体现出更加优异的检测性能。