行人检测是计算机视觉的研究热点和难点，近年来基于机器学习的行人检测技术取得了长足的进步，但由于不同场景的数据分布存在差异，已有检测器在新场景下的行人检测性能出现显著下降。为了避免繁琐的人工标注，充分利用原有检测器和标注样本，基于迁移学习的行人检测研究受到越来越多的关注。对其中涉及到的样本获取、迁移学习机制等关键技术进行综述，并从多个角度对现有方法进行分析和比较，最后对该技术的未来进行展望。