随着计算机技术的不断发展，能够给人们生活带来极大便利的人工智能受到了人们的普遍关注。计算机视觉是人工智能的一个基础分支，也是人类与计算机自如交流的前提。作为天津市软件产业发展专项基金项目“公交车辆视频监控系统研究”的一个组成部分，本课题主要提出一种基于多尺度技术的快速人体检测方法，并将其应用在车载视频监控系统中，基本实现监控管理平台对公交车辆监控视频的实时人体检测，为智能监控中的人体目标识别和跟踪奠定基础。　　本文详细介绍了人体检测方法中的关键技术，如特征提取和统计学习方法等，并深入分析了基于部件模型的人体检测方法。该人体检测方法中使用了HOG特征提取技术和带有隐藏值的支持向量机(LSVM)这一统计学习方法，检测效果较好，但检测速度较慢。本文在该人体检测方法中引入多尺度梯度直方图技术，通过对相邻尺度下图像特征进行估计来简化每一级图像金字塔的特征提取过程，减少特征提取过程中的计算量，从而加快人体检测速度。　　最后，本课题通过实验对提出的快速人体检测方法进行了测试，并对实验结果进行了分析。实验选用了三种测试样本，分别为INRIA人体数据集、自行收集的监控视频图像和自行采集的监控视频图像。实验结果表明，在本文确定的尺度参数下，使用多尺度技术优化速度后，快速人体检测方法的查准率查全率曲线与优化前基本一致，即人体检测的效果基本不变，而检测速度提升超过一个数量级，基本满足车载视频监控实时检测的需求。