随着智能监控系统在现实生活中越来越多的应用，智能监控算法的研究也已经成为计算机视觉领域的一个热点。行人携物检测是物品盗窃、物品交换等异常行为识别研究的一部分，也正在引起国内外众多学者的兴趣。本文通过详细分析现有算法的优点和不足，提出了以模板匹配为基础的携物检测方法。鉴于已有算法所使用的数据库都存在携物种类少、志愿者数量少、视频时间短等缺点，无法满足本文对携物方式特征的研究，因此在导师的帮助下通过招募志愿者的方式创建了自己的携物数据库。通过对比多种分割方法的优劣，选取了Codebook算法对创建的携物数据库进行分割。创建人体标准模板数据库用于人体轮廓匹配的参照，并根据匹配结果对待检测行人是否携带物品进行初步判定。在创建人体标准模板的过程中，提出了基于PCA滤波器的关键帧选取算法，实现了无负重状态下不同行人相同步态的匹配，并使用自相似矩阵队匹配的结果进行矫正。在粗分类特征提取过程中，通过比较各种携带方式下人体轮廓表现的特征与无负重状态下的差别，采用模板匹配法实现了各种携带方式下，不同行人同一步态与人体标准模板的匹配，选择了最直观的面积阈值作为特征进行粗分类。通过对完成模板匹配的所有行人各种携带状态下的剩余面积进行统计，发现了剩余面积的可分性，通过借助人体轮廓的总面积，将这种可分性转化为面积比例阈值，对带检测行人是否携带了物品通过该阈值进行判断。由于携带物品的存在会使人体轮廓在宽度上有明显的变化，而不同携带物所引起的人体轮廓宽度变化的大小和位置也不尽相同，分析多个周期内人体轮廓的宽度信息，提取基于位置信息的宽度带状图特征用于携物类别的判断。对自建数据库中的携物特征进行提取后，引入了累计匹配特性曲线对携物特征进行分析。本文采用多分类的支持向量机作为分类器，对所提取的特征进行了训练。为了检验分类效果，使用留一交叉验证对自建数据库进行了测试，得到了在该特征下对不同携带物进行判断的识别率。