随着恐怖主义的不断抬头，人们日益认识到安防的重要性。传统的安防通过布设大量监控摄像头并通过人工来实现实时监控，该方法消耗大量人力物力且效率低下。在这个背景下，智能视频监控技术以其对视频的自动监控和实时报警的能力得到了人们的重视。　　行人检测作为智能视频监控技术中重要的基础之一，是一个计算机视觉领域的热点、难点。当前主流的HOG+SVM行人检测方法存在计算量大，计算速度慢的问题，其对视频中出现的行人无法做到实时检测。　　针对上述问题，本文以室外场景下的视频作为研究对象，以目标检测和行人识别作为研究内容，以实现实时视频行人检测方法。论文研究成果如下：　　（1）运动目标检测的结果为一帧黑白二值图，为了准确的提取出其中的运动目标，研究了一种使用膨胀——腐蚀——膨胀的后处理方法，克服了传统背景减除方法中的噪点干扰和背景干扰问题。　　（2）运动目标多为行人、车辆、动物等运动物体，为了全面描述运动目标的特征属性，使用后验HOG特征和后验LBP特征相结合的特征融合方法，克服了单特征描述能力不全面的问题。并使用主成分分析法对特征维度进行降维，克服了多个特征数据量大的问题。　　（3）对运动目标的识别采用模式识别方法，为了能高效识别运动目标，构建了一种使用经过调优结构后的BP神经网络，克服了模式识别检测时间长的问题。　　通过实验发现本文算法相对于当前主流的HOG+SVM算法，在INRIA行人数据库上对行人的检测率达到96.3％，速度较快。