摘要：在方向梯度直方图（HOG）联合支持向量机（SVM）算法（HOG—SVM）和LeNet网络模型基础上，提出了HOG与卷积神经网络（CNN）融合的行人检测算法（SVM—LeNet）。采用多尺度滑动窗口提取HOG特征并送入SVM分类器，根据后验概率判断候选区，随后运用CNN算法剔除误检窗口。为解决单个目标被多个候选区域框定的问题，使用非极大值抑制算法（NMS）进行多矩形融合，保留检测区域中后验概率最大的窗口抑制与其重叠的检测窗口。分类过程中，以候选区域在SVM和LeNet中后验概率为依据判断行人区域。实验结果表明，与HOG—SVM和LeNet行人检测算法相比，该算法在准确率和召回率上有明显优势。