行人检测是计算机视觉领域的一项重要研究内容，在视频监控，人数统计，入侵检测，辅助驾驶等领域有着广泛的应用前景。最近十多年间，大量的行人检测方法被提出，用于检测直立行人的全身，取得了很好的效果，在识别准确率和识别速度方面取得了很大的进展。　　行人检测算法通常包括图像特征提取和分类器这两部分，目前在检测速度和准确率上均处于领先水平的是基于积分通道特征和软级联分类器的算法。这种算法通过采用训练多个分类器和邻近尺度积分通道特征近似计算的方法，使得在多尺度检测过程中无需进行图像缩放，特征只需在原图像上计算一次，同时结合软级联分类器以快速排除负窗口从而提高了检测速度。本文通过将这种算法与一种由疏到密的多尺度检测方法结合，进一步提高了检测速度。实验结果表明，这种多尺度检测方案能够在保持检测效果的前提下将单幅图像的检测时间缩短20％到50％。同时这种多尺度检测方案可以与目前的大部分目标检测算法相结合，提高其检测速度。本文还实现了一种基于多层HOG和LBP特征的行人头部检测算法，并比较了这两种算法的检测效果，得出了该头部检测算法由于误检率较高而不适用于行人检测任务的结论。　　本文将该快速行人检测方法应用于视频监控中，实现了接近实时的人数统计和入侵检测功能。本文也将这种行人检测方法和一种快速跟踪算法相结合，实现了视频监控中的行人跟踪和人流量统计功能。