行人检测是近年来人工智能和计算机视觉领域备受关注的前沿方向和研究热点,但是还存在很多的难点有待解决；尤其是视频监控中的行人检测,需要在保证检测准确率的前提下提高检测速度,实现实时处理。本文对视频监控中的快速行人检测相关技术进行了研究,同时设计实现了基于视频的快速行人检测系统。为了能够快速准确地检测视频监控中的行人,本文将行人检测分为两个阶段：运动检测和目标分类。首先是运动检测,快速得到视频中的运动区域,从而减少下一步目标分类所处理的区域数目,以提高整体检测速度；然后是目标分类,使用分类器对运动区域进行分类,从而排除非行人区域,检测到准确的行人位置。在运动检测阶段,本文研究一种改进的帧差法FDMAT,其阈值与像素的灰度值变化相联系,将阈值表示为当前帧与前一帧像素灰度值之和的一个线性函数。这样使阈值能够随着环境变化做出相应的改变,可以有效提高对于运动速度较慢行人的检测效果。在目标分类阶段,本文研究一种结合帧相关性的目标分类方法CFC。利用帧间行人区域的相关性结合级联分类器进行分类,可以有效加快分类速度,同时有效处理静止行人和遮挡的问题。本文采用多尺度的HOG特征训练级联结构的分类器。多尺度的HOG特征可以在多个尺度上更好地描述行人特征,提高分类效果；而级联结构的分类器可以快速排除大量子窗口,提高分类速度。基于本文的行人检测算法,设计实现了快速行人检测系统。系统包括HOG分类器训练子系统和基于视频的快速行人检测子系统,基于Visual C++2008和开源视觉库OpenCV实现。实验结果证明,本文的方法可以快速准确地检测出行人；对多个采集于不同环境的视频测试,行人检测的平均正确检测率在90%以上,而检测速度在每秒30帧以上,可以满足实时要求。