基于视频的行人目标检测与跟踪是计算机视觉领域的一个新的研究热点,其应用范围广泛,如智能视频监控、人机交互、虚拟现实,人流量统计等。但是由于人体属于非刚性物体,人体类内变化很大,同时由于复杂背景中有很多与人体相似的物体,如电线杆,树等,使得人体与背景之间的类间差异性变小等原因,使得实际场景中人体目标检测与跟踪的困难大。本文主要研究了近年来基于统计学习的行人目标检测与跟踪所采用的特征与机器学习方法,并且针对智能视频监控领域的行人检测与跟踪做了重点研究,主要的内容如下：1.详细的研究并介绍了基于视频的行人目标检测和跟踪的研究背景、研究现状、及遇到的困难,和近年来的热点行人检测与跟踪方法,为以后的行人目标检测与跟踪打下了坚实的理论基础。2.详细的研究了行人目标的特点,并结合智能视频监控的应用背景,本文先进行前景像素点标注,再在前景的基础上进行目标的检测,这样可以大大的提高检测的效率和准确性。使实时行人检测更加快速。3.详细的研究了基于统计方法的行人目标检测方法,理论上对级联分类器的性能进行了分析,得到级联分类器级数越高,漏检率越高的特点,由此提出了基于融合分类器的行人检测。4.本文详细的研究分析了Mean Shift算法在行人目标跟踪中的应用,并提出了一种目标模板更新的方法,使Mean Shift算法对于背景的变化和行人的形变更加的鲁棒。5.基于以上的研究分析,本文实现了一种快速、准确性能高的基于分类器融合的行人检测算法系统和基于改进的Mean Shift算法的行人跟踪系统,并在公开的数据库和收集的视频集上进行了实验,实验结果证明了该算法的有效性和实用性。