智能视频分析作为保障人民生命财产安全和智能交通管理的有效方法,被广泛运用到“平安城市”、“智慧城市”等项目中。行人检测作为智能视频分析领域中的研究焦点,一直受限于检测速度慢、准确率低的制约,无法在实际的监控环境中发挥较好的作用。一方面单一行人特征无法准确表征行人丰富的姿态和排除背景复杂性及相似性对检测的干扰;另一方面行人特征维数较大,对视频序列进行滑动窗口扫描方式更是消耗大量计算时间。为提高行人检测准确率,改善其在视频监控方面的处理速度,更好的运用于实际监控环境中,论文进行如下核心研究:(1)研究使用多特征融合的方式进行行人特征提取。融合行人梯度直方图特征HOG(Histogram of Oriented Gradient)与基于剪切波变换的HSC(Histogram of Shearlet Coefficients)特征,增强行人特征表征能力,提高特征分类器的分类能力。(2)研究针对误检样本的多轮训练。采用支持向量机算法训练行人特征分类器,训练时重点关注上一轮分类器误检样本,将其加入样本中重新进行训练,减少分类器的误判率。(3)使用高斯模型、二帧差法等技术构建背景模型,实现感兴趣区域提取,减少因背景复杂性造成的行人误检,同时通过缩小行人检测的区域面积提高处理速度。(4)为进一步记录行人运动轨迹并提高行人检测系统的处理速度与鲁棒性,研究目标跟踪算法,针对检测出的行人,用目标跟踪的方式代替对整幅图片进行行搜索与分类判断的方式,检测后续视频序列中行人的位置。论文在行人特征选取、分类器训练、感兴趣区域提取和目标跟踪方面进行研究,按上述研究思路完成系统设计与实现。最后,对系统进行测试,结果表明:在一定程度上优化行人检测的准确性和速度,对于行人检测的研究具有一定积极的意义。