智能视频（Intelligent Video）监控是利用计算机技术自动解读监控视频，实现自动目标检测、识别，并依据事先制定的规则进行跟踪、报警等功能。从其诞生伊始就一直是学术界和工业生产界研究的热点。从技术层面来讲，智能视频监控属于计算机视觉（Computer Vision）领域，是图像处理、机器学习、模式识别、人工智能的交叉领域。而人体检测技术则是智能视频监控领域的前沿方向和研究热点。但是目前的人体检测技术存在着速度慢、精度低、漏检率高等问题。因此人体检测技术主要是要在保证检测精度的同时提高检测速度。目前，人体检测领域主流的技术是基于机器学习的人体检测技术。本文利用机器学习技术提出一套实时人体检测系统RTHD（Real-Time HumanDetection）的解决方案。RTHD利用基于HOG（Histogram of Gradient）特征的级联分类器进行分类，该分类器由adaboost算法训练得到，监控视频中的运动区域利用该分类器可以进行检测。RTHD主要由4个模块组成：1）运动目标检测模块；2）HOG特征提取模块；3）级联分类器训练模块；4）运动目标区域检测模块。本文采用3帧差分法进行运动区域提取，利用积分图快速提取出训练样本的HOG特征，级联分类器训练采用离散adaboost算法，运动区域通过级联分类器来判断是否为人体。实验结果表明：本文采用的运动目标检测算法可以快速完整的提取出运动前景区域并且具有高鲁棒性能够适应场景的光照变化，同时由于采用了噪声去除规则，一定程度上抑制了噪声干扰；利用基于HOG特征的级联分类器能够快速准确地判断运动区域是否为人体。