针对图像中中小规模行人目标检测识别率低的问题，提出了一种基于改进多尺度特征融合的行人检测算法。首先，在原有YOLOv3模型的基础上，将BN层融合到卷积层。其次，增加检测层，利用特征金字塔的思想对高低层特征进行融合和预测。最后，利用线性尺寸缩放的K－means聚类算法优化候选框来提高小尺度行人检测的效果。在INRIA行人数据集上的实验结果表明，改进算法的准确率为91.4%，比YOLOv3算法高3.4%。在复杂的监测环境中也证明了该方法的有效性。