静态背景下行人目标检测技术的研究已取得很大的成就,与静态背景下行人目标检测技术不同,运动背景下的行人检测技术容易受到环境、光照以及行人本身姿态非刚体目标的变化等因素的影响,因而难度较大,在研究方面也受到一定的限制。装载在智能车或移动机器人平台上的摄像头拍取的视频一般都属于运动背景的视频。这种动态背景下的行人目标检测技术的难点在于如何快速有效地将行人目标从不断变化的背景当中有效提取出来。这一研究在精确制导武器、交通监控、智能车辆以及机器人视觉方面都有很重要的理论和实践意义。通过对动态背景下行人检测技术的难点考虑,本文采用一种全局运动背景补偿与HOG&SVM相结合的行人检测方法。在运动目标提取方面采用运动背景补偿后对每帧图像进行处理,然后利用帧间差分法获取运动目标,获取运动目标的具体做法是：首先采用Harris角点作为相邻两帧图像的特征点,通过Harris角点检测算法得到两幅图像的角点特征；得到角点之后通过NCC匹配算法找出相邻两帧图像中的相关特征角点对,利用摄像机投影参数模型获得摄像机的运动参数；然后利用计算得到的投影运动参数对待处理图像进行运动补偿；最后将补偿得到的图像与当前帧图像进行差分,得到运动目标区域,再对运动目标区域进行处理得到前景目标。在检测出运动目标的基础上,本文采用了HOG特征和SVM分类器的方法对运行区域进行相关判断。将补偿差分之后得到的运动目标输入到分类器中标记行人目标,完成整个行人日标检测过程。实验结果证明了该方法的有效性。