行人检测技术是计算机视觉领域中的研究热点之一。它在智能监控系统、汽车安全辅助系统等领域具有广泛的应用前景。近些年来,交通事故频发,因此如何避免或者减少交通事故的发生也成为了人们日益关注的焦点。行人是交通事故中的主要受害者,他属于非刚体且以各种各样的姿态出现在道路的场景中,并且人的服装样式千变万化,背景错综复杂,也存在很多外形与行人相似的物体,这都加大了检测行人难度和复杂度。本文选用单目视觉传感器作为获得环境信息主要手段,创建了可在多姿态多视角的复杂条件下应用的行人检测系统。行人检测在车辆辅助驾驶系统中具有重要应用价值,其检测性能受行人的衣着以及天气、光照,遮挡等因素的影响。为了更好的改善以上各种因素所造成的的影响,本文提出了一种基于多异构特征融合的行人检测方法。首先,提出一种新的颜色特征(COLOR),利用颜色矩的方法提取颜色信息,然后把提出的颜色特征与边缘特征和纹理特征相结合,形成HOG-LBP-COLOR特征,HOG-LBP-COLOR特征有效的减少了光照条件和复杂背景的影响。其次,提出加入组合系数的方法,建立了一种新的内核函数,使多异构特征中每个特征按照一定的权重进行融合,令影响力更大的特征占有更大的权重,从而改进和完善了前文所提出的多异构特征。最后,提出了一种多姿态多视角的行人检测分类器。利用S-Isomap降维方法和K-means聚类方法对不同姿态和视角的行人做子类划分,并针对每一个子类训练子类分类器,根据多个不同姿态的子类分类器输出值去训练等权重加和方式的多姿态-视角集成分类器。不同样本数据集上的测试结果表明,本文提出的带权重的HOG-LBP-COLOR特征的描述能力超过了HOG, LBP, EOH等典型特征的描述能力,并且该特征与提出的多姿态-视角集成分类器结合具有良好的检测效果。