随着计算机技术的发展和计算机视觉原理的广泛应用,目标识别及其跟踪已成为研究的热点,而行人检测作为目标识别中的一种,由于其在车辆辅助驾驶系统中的重要应用价值,已成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。同时,由于行人自身的非刚性,行人具有姿态、外表和服饰等变化的特点,且容易受到光照、天气等复杂多变的外部环境的干扰,所以,行人检测也是一个极具挑战的课题。本文针对现有的行人检测方法中存在的特征维数高、计算耗时以及实时性不高的缺点,在分析总结了几种常用的行人检测方法的优缺点之后,提出了一种基于边缘对称性和类等价局部二值模式的行人检测方法(Edge Symmetry and Uniform Local Binary Patterns Like, ES-ULBPL),该方法首先对输入图像进行多尺度扫描,同时为加快检测速度,对产生的窗口进行边缘对称性特征提取,快速定位行人候选区,完成行人的初检测；然后提出了一种类等价局部二值模式(Uniform Local Binary Patterns Like, ULBPL),对边缘提取后的图像进行图像类纹理特征的提取,并对得到的ULBPL进行放大以使其更好的描述行人特征。最后结合线性支持向量机(Support Vector Machine,SVM)进行行人验证；并进行了基于图片和基于视频的行人检测的实验,实验结果表明,与基于梯度方向直方图特征的行人检测方法相比,ES-ULBPL方法计算复杂度低、行人特征描述能力更好且检测速度快。