行人检测就是指将行人从视频或者图像中检测出来的过程，它是计算机视觉中的重要组成部分。行人检测技术在智能监控、高级人机交互、智能家居等方面有广阔的应用前景和潜在的经济价值。但又由于各种外部环境因素的影响，如行人姿态千变万化，光照复杂多变，目前仍没有一个比较成熟的检测方法，使得行人检测在实际应用中既是机遇又是挑战。本文采用HOG和LBP的混合特征和级联形式Gentle AdaBoost分类器训练人体检测模型，并运用背景差分法加速检测视频中的行人。主要从以下两方面进行研究：对于图像中的行人检测，提出了结合梯度方向直方图（HOG）和局部二元模式（LBP）这两种特征与级联形式的Gentle AdaBoost进行的检测算法。针对单一特征检测率低的问题，结合这两种特征，既能描述物体的轮廓信息又能描述物体的纹理信息。以往特征都是单一尺度特征，现提出多尺度特征。同时为了加速特征提取过程，采用积分图像方法提取特征。针对分类器，首先采用CART决策树作为弱分类器，然后采用Gentle AdaBoost强分类器挑选有效的弱分类器。最后，为了加速排除大部分的背景区域，采用级联形式的Gentle AdaBoost进行训练和检测。另外，对于行人的检测方法，研究了金字塔缩放的检测方法和多尺度窗口滑动的检测方法。此外，对于窗口融合方法，比较了mean-shift的融合方法和基于窗口的融合方法。实验结果表明，在FPPW=10-4情况下，我们提出的改进算法的检测性能比原始检测方法提高大约5%。对于视频中的行人检测，提出了一种结合帧间差分法和背景差分法的运动目标检测算法，利用混合高斯建模对背景进行更新，同时对检测得到的二值图像采用数学形态学处理，得到候选区域。然后，对提取的感兴趣区域用前面训练的级联Gentle AdaBoost分类器进行检测。通过这种方法可以缩小检测范围，大大提高检测速度。