基于视觉的行人检测是计算机视觉领域的一个重要研究分支,它不仅具有重要的学术研究价值,也在民生领域中具有广泛的应用前景。现有工作大多是针对单帧数据集的研究,对于视频数据集未能充分利用其中的时序上下文信息。因此,研究如何利用视频序列中的帧间相关性提高行人检测的精度是未来的一个研究趋势。本文分别从多帧特征融合、多帧候选框融合、自适应选取关键帧三个方面针对夜间驾驶视角的视频行人检测数据集进行了相关研究,具体研究内容如下:（1）基于多帧特征融合的视频中行人检测方法。由于视频中行人目标尺度较小以及行人目标被遮挡情况的存在,检测任务变得富有挑战。为了解决上述问题,本文提出了一种基于多帧特征融合的视频中行人检测方法。首先,使用残差网络提取关键帧特征并利用单帧检测器输出初步候选框;接着,对每个初步候选框使用孪生网络进行跟踪以获取短期跟踪序列;最后基于短期跟踪序列进行多帧特征融合,并利用融合后的特征进行分类从而输出更准确的检测结果。实验结果表明,本文所提出的方法能够有效解决由小尺度目标、被遮挡目标等困难样本带来的检测性能下降问题。（2）基于多帧候选框融合的视频中行人检测方法。由于夜间场景中光照强度较弱,导致行人的召回率偏低。为此,本文提出了一种基于多帧候选框融合的视频中行人检测方法,以提高行人检测的召回率。首先,利用不同帧之间的行人特征信息计算帧间相关性特征,基于该特征通过运动模型对当前帧中行人检测候选框进行偏移处理,估计下一帧中行人检测候选框的位置;然后,将估计所得的候选框和下一帧中检测器输出的检测候选框合并,同时进行分类与回归,从而得到下一帧中的行人检测结果;最后,将视频序列中所有候选框进行轨迹关联,并对每个候选框进行置信度更新。实验结果表明,本文所提出的方法能够有效提高夜间场景下的行人检测性能。（3）基于运动状态变化的自适应关键帧选取方法。现有的视频中行人检测方法大多经过固定的时间间隔选取关键帧,无法满足变速运动场景的需求。针对该问题,本文使用孪生网络跟踪方法检测相邻帧之间的行人运动状态,使用长短期记忆网络编解码器判断图像区域相似度,从而实现自适应地关键帧选取。实验结果表明,本文提出的方法能够有效地提升变速运动场景下的检测性能。最后,本文搭建了一个视频中行人检测系统。该系统包括视频图像读取、关键帧选取、行人目标提取以及结果可视化模块,对本文提出的的视频中行人检测方法的检测结果进行可视化。