在智慧城市的建设中,智慧交通是最基础的一环。智慧交通的建设,需要构建交通大数据分析与决策支持系统、智能化交通管理系统、智能车辆控制系统和车联网生态系统。智慧交通的各个重要环节都离不开对行人的实时检测,但是,由于人体具有刚性物体与柔性物体的特性,人体外观以及姿势变化较大,使得行人检测不易于实现工业级的准确性和快速性。因此,提高行人检测的鲁棒性、准确性以及实时性具有重要的意义。对于行人检测,核心的两个问题是特征提取以及分类与定位。本文主要围绕这两个核心问题展开,研究思路如下:根植于利用Choquet积分聚合模型在特征融合问题上的理论和应用研究的需要,并以之为切入点,把目前常用的几个行人检测描述子所包含的关键信息准确并实时的融合起来,以探索基于Choquet积分的特征融合与行人检测的有机结合问题,并将实验分析、原型实现、以及性能评估比较相结合,系统性的研究Choquet积分在行人检测中的几个核心因素和相应的关键问题。在特征提取方面,单一的特征描述子不能准确地描述行人的信息,因此混合特征成为行人检测的主流。但是,目前的混合特征主要是串行融合,这会导致行人检测技术面临诸多困难:一方面,串行融合影响行人检测的速度,使其难以满足实时性;另一方面,串行融合忽略了特征描述子的交互关系,影响了最终的准确性。因此本文提出了一种基于Choquet积分的并行特征融合方法。本文以多种底层特征描述子(以HOG和LBP为主)为分析研究对象,研究Choquet积分模型的建立以及多种底层特征描述子的维度匹配问题,然后利用Choquet积分聚合模型对底层特征描述子进行并行融合。在定位与分类方面,经Choquet积分聚合模型并行融合的特征描述子,联合支持向量机(Support Vector Machine,SVM)分类器,实现对行人的检测。最后,本文以常用的行人检测数据集为基准,与已有研究方法进行性能比较和分析。本文提出了基于Choquet积分的并行特征融合方法,融合后的特征描述子结合SVM实现行人检测。实验结果表明,该方法提高了行人检测的检测率,并减少了特征的提取时间,使得行人检测更易于满足实时性要求,同时在解决行人的遮挡问题上有较好的效果。