随着人工智能技术高速发展,目标检测技术在各个领域都有着非常广泛应用,作为目标检测的分支,行人检测技术也取得突破性进展,成为智慧城市、智能监控、智能家居、自动驾驶等领域必要的关键技术之一。但随着雾霾天气频发,复杂的天气状况给行人检测技术带来影响,如何消除雾霾影响,确保行人检测技术在雾霾天气背景下具有较高的准确性仍有一定的挑战。因此,本文针对雾霾天气下的行人检测任务进行以下研究:（1）提出一种以暗通道去雾算法为基础的天空分割去雾方案。针对暗通道算法设定大气光值为恒定的常量带来的边界效应、光晕等问题,采用OTSU天空分割算法,对天空区域占比较大的雾霾图像分割成天空与非天空两部分,对天空区域合理估计大气光值,并引入梯度导向滤波优化透射率,进而达到细化透射率的效果,从而提升图像去雾清晰度。经过试验验证,以信息熵、均值、标准差作为判别图像质量与清晰度的标准,证明了算法的有效性。为后续雾霾下的行人检测精度的提升提供帮助。（2）在行人检测方面,提出了基于SSD的特征融合行人检测算法,采用VGG-16作为行人检测的基础网络,构造金字塔形的SSD网络特征层,在基础网络上进行特征提取。针对SSD网络行人检测时对小目标的检测易出现误检、漏检的问题,在VGG-16特征层上添加3次空洞卷积,扩大特征层的感受野,增大网络提取特征的范围,提高浅层特征图对目标的特征提取能力。针对SSD网络特征层之间上下文联系不强,难以融合不同尺度的特征的问题,通过特征对应元素相加实现不同特征层的融合,加强了网络对行人的位置信息与语义信息的判断,提高了小目标行人的检测精度,有效地降低了漏检率。引入Focal Loss损失函数,用来均衡训练时的正负样本,将注意力集中在含有丰富可用信息的负样本上,从而促进网络实现收敛,同时更加稳定。本文研究了现有SSD行人检测算法在公开数据集上的检测能力,同时针对雾霾天气下对行人检测带来的干扰,提出改进方案,使用公开数据集对模型进行训练和测试,经过实验验证,改进的SSD算法具有可用性,同时将本文改进的暗通道算法与SSD行人检测算法结合,实验结果表明,图像经过去雾后,基于SSD的特征融合检测网络对行人检测精度高于去雾前的精度。说明图像去雾可提升雾天行人检测网络的性能,对后续复杂天气下的目标检测研究有一定参考价值。