針對在復雜場景下，聚合通道特征（ACF）的行人檢測算法存在檢測精度較低、誤檢率較高的問題，提出一種結合紋理和輪廓特征的多通道行人檢測算法。算法由訓練分類器和檢測兩部分組成。在訓練階段，首先提取ACF特征、局部二值模式（ LBP）紋理特征和ST（ Sketch Tokens）輪廓特征，然后對提取的三類特征均采用Real AdaBoost分類器進行訓練；在檢測階段，應用了級聯檢測的思想，初期使用ACF分類器處理所有實例，保留下來的少數實例應用復雜的LBP及ST分類器進行逐次篩選。實驗采用INRIA數據集對算法進行仿真，該算法的平均對數漏檢率為13. 32%，與ACF算法相比平均對數漏檢率降低了3.73個百分點。實驗結果表明LBP特征與ST特征能有對ACF特征進行信息互補，從而在復雜場景下去掉部分誤判，提高了行人檢測的精度，同時應用級聯檢測保證了多特征算法的計算效率。