行人检测是视频智能监控领域的基本问题,具有重要的研究意义和实际应用价值。与车辆等其他目标相比,行人由于其本身不具有刚性及存在复杂的姿态变化,其检测过程容易受到诸如不同姿势、动作等的干扰。另一方面,各类行人检测算法的复杂性导致了其在硬件平台上使用的局限性。因此,针对实时嵌入式平台的行人检测算法研究及其实现亦是一项不小的挑战。本文在分析了行人检测相关算法原理与流程的基础上,针对两种不同场合:室内小场景与室外大场景的情况,研究了2种不同的行人检测策略,即基于前景分割和基于行人特征分类器的行人检测方法。在前景分割方面,为了达到对行人检测的完整性与鲁棒性要求,提出了一种基于运动轮廓的前景增强检测算法,并结合超像素块算法与大津率,改善了前景分割在低对比度区域的性能。其创新在于通过超像素块获取感兴趣的行人运动区域,再通过大津率计算用于分割的自适应前景阈值,从而可以提高行人检测的精度和速度。在特征分类器方面,在简述了HAAR、HOG、LBP算子的原理之后,分析了各自的不足,并重点研究了一种新近提出的Centrist算子(基于梯度纹理)的行人检测算法,并给出了其级联检测的性能研究。最后,本文利用DM8168嵌入式平台,设计和实现了上述的Centrist行人检测算法,并添加了行人主颜色提取模块,最终完成了相应算法的优化工作。