行人检测是目标检测中的一个热点研究领域,并且得到越来越多研究者们广泛的研究。行人检测在诸如视频监控和驾驶辅助安全系统等真实场景中有着重要的应用。然而行人检测面临许多复杂的难题,如行人自身姿态、衣着多变,并且行人检测极易受到光照、复杂背景等外部环境的影响,这些难点使得行人检测是一项充满挑战性的研究课题。本文主要研究行人检测特征提取方法,通过基于稀疏表示的原理有效的提取行人特征,从而提高行人检测精度。本文具体的研究内容如下：(1)实现了一种多重稀疏字典直方图的行人特征提取方法。通过稀疏表示原理,预先学习多个不同稀疏度的行人字典,分别利用每一个字典对行人图像进行稀疏表示,得到稀疏表示系数所对应字典中的原子,从而统计每个原子在字典中的累计分布直方图,最终得到多个不同稀疏度字典的直方图作为行人的描述特征,多重稀疏字典直方图特征记录了行人图像的特征的统计信息。实验数据表明,通过多个字典对行人图像进行稀疏表示可以学习到丰富的行人特征,这种特征能够对行人进行有效的描述,并且特征维数低,具有良好的行人分类效果。(2)给出了一种基于多重稀疏字典直方图融合梯度方向直方图的特征提取方法。梯度方向直方图记录的是图像梯度的统计信息,多重稀疏字典直方图记录了图像诸如角点、边缘等丰富的特征统计信息。通过稀疏表示方法提取多重稀疏字典直方图特征,并融合梯度方向直方图作为行人的特征描述子。二者融合有效的克服了单一特征描述能力不足的问题,增强了特征的互补性,能够更加准确的描述行人,通过实验数据和在真实场景下的检测表明,这种方法提高了行人检测的鲁棒性,具有良好的检测性能。(3)实现了基于在可变形部件模型框架下,通过稀疏表示方法提取特征的行人检测方法。通过对行人图像进行分块,利用稀疏表示方法,提取每一个图像块的稀疏表示字典直方图特征。串联所有图像块的直方图特征作为行人图像的特征,并在可变形部件模型下进行行人检测。实验表明,在可变形部件模型下提取稀疏表示特征方法,提高了行人检测精度,在自然场景下取得了很好的检测效果。