行人检测从图像或视频流中自动的检测出行人，是车辆辅助驾驶系统以及行为分析的基础。目前的行人检测技术主要是基于单目视觉源的检测，包括红外、可见光、雷达等。可见光图像视觉效果好，纹理丰富，目标边缘较清晰，但是在光照环境不良的情况下会导致行人的识别较差。红外图像基于热成像技术，能够穿透烟雾，并能在夜间和成像光线不足的情况下发现目标。但是目前的红外线传感器存在精度较低，目标边缘较模糊，容易造成识别率下降的问题。因此，本文致力于将红外和可见光图像融合起来，以充分利用两种视觉源的优点，提高行人目标的边缘清晰度，从而提高行人的识别率。本文研究可见光与红外图像融合的行人检测技术，首先使用像素级融合技术将可见光和红外图像融合以获得更加清晰的图像，然后基于头顶点梯度进行快速窗口检测，主要研究内容如下。在红外和可见光图像的融合部分，本文提出了一种基于小波变换进行融合的方法，对低频系数和高频系数分别进行融合。其中，在低频系数的融合中，采用自适应的基于平均梯度进行加权融合的方法；在高频系数的融合中，采用了基于信号强度比和对同层低频系数提取边缘特征进行联合判定融合系数的方法。实验结果说明，本方法能够有效地提高行人目标边缘的清晰度，有利于在行人检测阶段提高检测精度。在行人检测部分，本文提出一种基于头顶点梯度进行快速确定行人检测窗口的方法，比传统的滑动窗口方法能够减少大量的计算量。该方法的原理在于通常情况下行人的头顶是接近于圆形，其头顶的梯度值较为接近。在计算整幅图像的梯度后，将符合在80°,100°范围内的梯度位置作为基准检测点；再以基准检测点作为检测窗口的上边框中心，对窗口内的区域进行行人检测，可以较为有效的提高检测速度。通过实验验证，本文算法具有较高的检测速度和效率。