行人检测作为目标检测的一个分支，是视频监控、智能交通、运动分析等领域的重要组成部分，在现实中有着许多重要的应用，有着非常高的研究价值，并一直是众多研究者关注的热点。当前，主流的研究办法是从目标场景中提取特征，建立目标模型，然后再转化为机器学习中的模式分类问题。然而，在特征提取过程中，目标往往受到其姿态、方向、遮挡、光照、噪声等因素的干扰，而影响检测的正确率。本文首先采用梯度方向直方图（HOG）与LBP的融合特征，然后运用支持向量机（SVM）分类器进行训练，实现了对行人的检测。本文的创新点是运用局部二值模式LBP对HOG梯度直方图特征进行优化，其中HOG梯度直方图特征反应了图像在边缘上的梯度变化，LBP则在图像的局部纹理上具有有效的表达效果。通过大量实验来验证，本文所使用的特征提取方法可以有效的表征人体轮廓信息，采用SVM分类方法具有良好的检测性能。