近年来,基于视频的行人检测引起了来自学术界和工业界日益浓厚的兴趣,成为了一个重要而且热门的研究领域。行人检测在智能交通、智能监控和人数统计等许多方面都具有重要的应用价值。但是,由于行人的姿势各异、复杂的背景和遮挡等因素,给行人检测带来很多难点问题,目前还没有一个精确的、实时的、通用的、健壮的行人检测系统,因此,有必要对其进行深入研究。为了提升现有行人检测器的检测性能,提出了一种基于匹配链的行人检测优化框架。其基本思想是,先使用基检测器对输入图片进行检测,然后对当前帧的每个候选行人窗口,提取稠密SIFT和颜色特征,并计算显著性概率图,再将其与相邻帧的候选行人窗口进行匹配,得到匹配链,最后依据匹配链改善当前帧的检测结果。实验证明,该优化框架可以大大提高现有的行人检测器的检测性能,同时,该优化框架可以很容易地与其它行人检测算法相结合。基于匹配链的行人检测优化方法可以对现有的行人检测算法的检测性能进行改进,但是无法达到实时检测的目的。为了克服这个难题,提出了一种基于数据融合的行人检测优化框架。该框架针对DPM检测速度不够快的问题,引入了一个粗检测的过程,在保证检测精度的前提下,快速的过滤掉绝大部分候选行人窗口。该框架针对检测算法无法有效解决遮挡的问题,利用轨迹融合的思想,将属于同一个目标的多个轨迹片段融合在一起,并对检测结果进行加强和预测。实验证明,该框架不仅能改进现有的行人检测算法的检测性能,而且能提高检测速度。