伪装人体检测是计算机视觉领域一个具有挑战性的任务。伪装人体检测在边防监控、入侵检测、军事目标发现等方面有着重要的应用。在此之前,已有一些与伪装人体检测相关的研究,通常是提取目标的外观特征,包括颜色或亮度特征、纹理特征、梯度特征、运动特征、深度特征等。由于在伪装场景中人体目标与背景的视觉特征高度相似,这些方法难以有效的描述它的特征并建立有效的检测模型,从而导致对不可预见场景下的错误检测。尤其是基于视觉外观特征的方法,在伪装环境中极易受到背景的欺骗,无法有效检测出背景中没有明显移动的人体目标。为此,本文提取并增强了人体的微振动特征,它比其他的视觉特征具有更强的鲁棒性,本文主要创新性如下:（1）针对其他视觉特征无法检测没有明显移动的伪装人体、难以建立有效检测模型的问题,本文提出了一种基于微振动特征的伪装人体检测方法。这种方法提取人体由于呼吸而产生的微小振动特征,具有内在的稳定性,不受环境变化的影响。特别地,这种方法使用基于相位变化的振动信号增强方法增强了伪装人体目标的振动特征,使用复可控金字塔将视频分解到不同尺度和不同方向下,在各个尺度上对视频的相位差信息进行时域带通滤波和方向滤波,通过放大伪装人体的相位差信息实现目标微小振动信号的增强,并抑制背景噪声干扰。（2）使用软件工程的系统开发思想,设计并实现了一个基于微振动特征的伪装人体检测系统。该系统适应多种常用的工业摄像头,可以灵活采集不同的真实场景下的视频。采集的视频在经过本文所提出的算法处理后可以有效检测出场景中的伪装人体目标。在本文提出的伪装人体检测数据集上,实验表明,本文基于微振动特征的检测方法可以有效地检测分割出伪装人体目标,并能较好的保持目标的边缘和轮廓信息,效果优于其他视觉特征最先进的方法。在开发的系统上测试表明,该系统具有较好的可用性和健壮性。