摘要：針對當前對于行人檢測的準確率和檢測效率的要求越來越高,提出一種GA-PSO算法對于支持向量機(SVM)參數優化的行人檢測方法。首先,針對梯度直方圖特征描述子的維數高、提取速度慢,使用PCA對其進行降維處理;以SVM算法作為分類器,為避免傳統單核支持向量機算法檢測率低的情況出現,以組合核函數作為分類器核函數,并設置松弛變量,引進懲罰因子,結合遺傳算法(GA)和改進權重系數的粒子群算法(PSO)進行組合系數和參數的優化與選擇,根據優化后的參數構成最終的SVM分類器進行行人檢測。實驗結果表明,與傳統SVM檢測以及其他優化方法相比,檢測率方面都有明顯改進,且滿足對檢測效率的要求。