近年来,计算机视觉技术发展迅猛,特别是在图像处理、目标检测等领域的研究取得了许多成果。在区域安防应用中,突然出现的运动目标以及行人入侵等事件,可能对区域的安全造成威胁。因此,针对运动目标以及行人的检测在区域安防领域的研究具有重要的研究价值和现实意义。本文针对当前区域安防应用中运动目标与行人检测算法进行深入研究,并提出了相应的改进算法。主要包括图像预处理中的图像分割方法,分析现有运动目标检测和行人检测中常用方法存在的优缺点,并结合实际应用要求提出了相应的改进方法。论文主要工作和研究成果如下:1.针对现有的图像分割方法存在分割精度差,丢失细节的问题,提出一种基于改进遗传算法的图像分割方法。该方法利用了图像自身像素点的相关信息,并结合遗传算法,重新设计适应度函数等模块。该算法能够清晰地分割出目标,能够保留足够的特征细节,有效改善了区域安防场景下目标的分割效果得到了优化和提升。2.针对Vibe运动目标检测算法中无法快速消除“鬼影”的不足,提出一种基于图像分割的Vibe运动目标检测算法。该算法利用图像分割算法,使用到的分割阈值信息对Vibe算法中的前景点进行再一次筛选,以得到符合判决条件的前景点。实验结果表明,该算法能够有效改善“鬼影”无法快速消除问题。3.针对使用单一特征对行人检测时检测精确度较低,而使用特征融合的方式,导致实时性降低的问题,提出一种基于S-HOG特征的行人检测算法。该算法使用特征融合方法,对HOG特征和SIFT特征进行处理,然后利用PCA进行特征降维,将两种融合后的高维特征进行降维处理。最后,使用SVM分类器训练得到基于S-HOG特征的行人检测模型。实验验证了该算法的性能。