随着人工智能技术的快速发展,行人检测技术由于其广泛的应用范围和巨大的应用价值得到了越来越多研究者的关注。行人检测的主要任务是识别图像或视频中行人的位置和尺度。本文研究如何结合卷积神经网络提取出的语义特征检测图像中的行人,主要研究内容如下:提出了一种融合多层特征的中心点与尺度预测方法（MF-CSP）。模型主要由语义特征提取模块和检测头模块构成。语义特征提取模块在特征提取过程中将浅层特征和深层特征充分融合,并进一步融合适合检测不同尺度行人的特征图,得到了包含丰富行人信息的待检测特征图。检测头模块设计了三个分支,其中两个分支根据行人中心点语义特征解决行人的定位问题,另一个分支预测对应的高度。实验结果表明,该方法相比于其他常用方法在Caltech和City Persons行人数据库不同遮挡子集中有着更高的检测精度。融合多层特征的中心点与尺度预测方法相较于基准模型,在Caltech和City Persons严重遮挡行人子集中的漏检率分别下降了1.9%和1.4%。提出了一种联合注意力机制与多语义特征的行人检测方法。首先,针对不同通道维度的特征图分别关注人体不同区域的特点,在主干网络提取特征后设计了注意力模块,以提高模型对正确语义区域的关注。其次,为了降低行人中心点被遮挡情况下的漏检率,在检测头模块中设计了行人头部预测分支,通过结合头部和中心点两种语义特征提高模型对遮挡行人检测结果的置信度。在Caltech和City Persons数据集上的结果表明该方法对于遮挡行人和小尺度行人均有着良好的检测性能。在City Persons数据集中,该方法相比于根据中心点检测的方法,在严重遮挡行人子集中的漏检率下降了2.0%,在小尺度行人子集中的漏检率下降了1.2%。在本文方法的基础上,设计并实现了一套行人检测实验系统。系统提供单阶段和两阶段两类典型的行人检测方法,主要功能包括上传待检测图像或视频、设置检测超参数以及检测图像中的行人。为验证检测系统在真实场景中的检测性能,本文从实际场景中采集了1000张图像并制作行人数据集。实验结果表明本文提出的联合注意力机制与多语义特征的行人检测方法对于实际场景中的行人具有良好的检测性能。在严重遮挡和小尺度行人子集中,均取得了最佳的漏检率,相较于两阶段的Cascade R-CNN,在严重遮挡行人子集中的漏检率下降了0.59%,在小尺度行人子集中的漏检率下降了2.44%。