行人检测是智能交通、智能监控、图像压缩、多媒体检索等领域的基本组成部分。针对上述广泛的应用,行人检测技术已经成为计算机视觉领域的热门研究对象。然而,行人的姿态、外貌、数量、方向、运动以及场景的遮挡和光照变化等因素均会影响检测的性能。本文分别提出了两种有效的行人检测方法:(1)基于梯度方向直方图特征的行人检测方法该方法采用梯度方向直方图、加权Fisher线性判别分析法、退化二分的Gentle AdaBoost算法、分类器级联算法等,实现了行人的快速检测。通过大量对比实验表明:基于梯度方向直方图特征的行人检测方法具有不错的健壮性和有效性,对于小尺寸、不同姿态和不同穿着的行人均具有较强的检测能力,并且该方法的运算速度较快,对存储空间的要求也较低。(2)基于Dirichlet过程的行人检测方法该方法使用图像特征提取技术、特征描述技术、特征码书和Dirichlet过程,自适应地生成了一组部件来表征行人。在此基础上,又结合了均值漂移算法、部件直方图和支持向量机等技术提出了一种新颖的行人检测方法。实验结果表明该方法结构简单,具有较高的检测率和较低的误检率,同时还可以推广至检测其他类型的物体,具有较高的实用价值。本论文将会用到Boosting算法、概率论、概率图模型等知识。因此,在各章的开始部分分别介绍了相关的基本知识。然后,详细描述了两种不同的行人检测方法。