本发明公开了一种基于深度学习的复杂背景行人检测方法，其主要步骤如下：搭建SSD目标检测框架并修改SSD网络模型：在特定卷积层中间添加Inception组件，通过Concatenation操作将特定卷积层进行融合，得到新的特征提取层，以新特征提取层为基础层构建新的特征提取网络；在新特征提取层后端添加Inception组件，并通过Pooling和Concatenation操作将所提取特征逐层与后续的特征提取层融合；以上述步骤所得的网络作为训练网络，使用行人数据集进行训练；设定相关阈值，使用相应的测试集进行测试，输出检测结果。本发明通过加深和加宽神经网络来充分挖掘图像中的背景信息，不仅提高了SSD框架在行人检测任务中的召回率，而且增强了该框架的鲁棒性，提升了该框架在复杂背景下的行人检测性能。