针对在复杂场景下，聚合通道特征( ACF) 的行人检测算法存在检测精度较低、误检率较高的问题，提出一.种结合纹理和轮廓特征的多通道行人检测算法。算法由训练分类器和检测两部分组成。在训练阶段，首先提取ACF.特征、局部二值模式( LBP) 纹理特征和ST( Sketch Tokens) 轮廓特征，然后对提取的三类特征均采用Ｒeal AdaBoost 分.类器进行训练; 在检测阶段，应用了级联检测的思想，初期使用ACF 分类器处理所有实例，保留下来的少数实例应用.复杂的LBP 及ST 分类器进行逐次筛选。实验采用INＲIA 数据集对算法进行仿真，该算法的平均对数漏检率为.13． 32%，与ACF 算法相比平均对数漏检率降低了3． 73 个百分点。实验结果表明LBP 特征与ST 特征能有对ACF 特.征进行信息互补，从而在复杂场景下去掉部分误判，提高了行人检测的精度，同时应用级联检测保证了多特征算法的.计算效率。
