摘要：基于相鄰和非相鄰特征(NNNF)行人檢測算法，提出了一種方法來解決行人特征對尺度變化敏感的問題以及窗口誤檢的問題．首先，在NNNF基礎上，設計了一種尺度不變的特征．由韋伯定理啟發，該特征表示為兩個相鄰或非相鄰區域的差分值與這兩個區域特征和的比值．這種新的特征具有很強的尺度不變性．此外，還提出了基于行人位置先驗的上下文信息，作為一種簡單有效的后處理方法．在行人場景中，行人的高度與位置存在一定的映射關系．利用SVM(supportvectormachine)訓練了行人高度關于行人位置的回歸模型．該模型能有效地濾除那些行人高度與位置信息不符合回歸模型的檢測窗口．實驗表明，相比于NNNF-L2和NNNF-L4，本文提出的方法在Caltech數據庫的檢測性能分別提高了2.90%,和2.28%,．同時，本文提出的方法也在所有基于非深度網絡的行人檢測方法中具有最好的檢測性能，平均漏檢率為14.56%,．