行人检测是智能辅助驾驶、智能监控、行人分析及智能机器人等领域的重要组成部分。从2005年起行人检测进入了一个快速发展阶段,但是也存在很多有待解决的问题,例如在某些室内特定的场所(商户、商场、仓库和外出旅游家庭)存在无人监管的情况,这种情况有着重大的安全隐患,这些隐患主要来自于人。如果人工去监管这些场所会耗费大量的人力和物力,且做不到时时监控,给犯罪分子带来可乘之机,给商家和个人造成损失。本文主要针对这一问题提出了一种室内行人检测方法,通过该方法可以在无人看管的情况下,有效地对这些场所进行自动监控。本文在实现了室内行人检测算法的同时,从行人检测的速度和虚警率两方面进行了改进,主要研究内容如下。首先,在行人的检测过程中,基于核密度的运动目标检测方法会产生像素点错误识别问题,本文提出应用帧间差分法对核密度方法进行改进,解决像素点错误识别的问题。并通过相关实验验证了此种方法的有效性。其次,运动检测算法只能对运动目标进行检测与跟踪,不能对运动目标进行识别。而Yolov3算法准确率很高,但也存在着局限性,即使用Yolov3方法进行行人检测时,无论图像帧中是否含有目标,都会对该图像帧进行检测,降低了行人检测的效率。针对这些个问题,本文提出一种核密度及Yolov3的结合方法,加快Yolov3算法检测行人的效率,并利用结合算法去除大量的虚假目标,降低算法的虚警率。最后,从dataset2014数据库、网络、自建数据库中选取了20组视频进行实验,实验结果表明,在检测准确度不变的情况下本算法比Yolov3算法在检测速度上平均提升了2.94倍,虚警率比Yolov3算法的虚警率有了明显的下降,最多下降了37.05倍,虚警率降为0.105%,最少下降了9.625倍,虚警率降为0.64%。