目前在很多应用领域都会发现人体检测的身影，包括智能监控领域、游戏领域和电影动画领域等等。运动人体检测在智能监控领域的应用例如商场、银行、车站、广场、地铁等人流相对聚集，而且安全系数要求较高的地方，我们可以利用人体运动检测做到智能监控的作用。智能监控系统，具有无人监管、自动识别并应对事件、报警及时、资源耗费低等特点，将会占据未来监控设备的市场主流。随着近些年游戏产业不断发展壮大，游戏类型内容也有很大的变化，但无一例外都是人手操作型的。为了加大人们对游戏的参与程度，我们可以通过视频对自己影像进行运动人体检测和分析，直接用身体操控游戏，把自己的运动元素加入到游戏当中，这样就可以改变游戏的参与模式，使游戏者真的身临其境，这样人体运动检测在游戏产业方面具有商业性。运动人体运动检测对于电影和动画产业同样也有积极的影响。由此可见，运动人体检测既具有研究价值又具有潜在的市场价值。基于视频图像分析的人体检测系统，是智能监控系统的主要组成部分。运动人体检测建立的目的在于利用计算机视觉和视频分析的方法，自动实时地对运动人体进行检测和分析。该项技术可运用于智能交通、辅助驾驶、运动分析等领域。与此同时，这项技术的难点不容忽视。由于人体的非刚性特性、人体自遮挡和目标之间的相互遮挡、复杂多变的背景环境、衣着服饰变化和光照等影响，视频人体检测研究仍然面临巨大挑战。本文实现了基于人体轮廓特征直方图的视频人体检测算法，算法采用Haar特征描述运动人体特征，并使用AdaBoost算法训练级联人体分类器，实验证明，本文算法能够实现图像和视频中的较高准确率的人体检测。本文的主要工作具体有:1.分析了当前运动人体检测的难点和重点，并且把第一帧差法和滑动平均法结合起来使用相对地解决了运动人体检测所面临的一部分难题。2.分析了当下流行的运动人体检测特征描述法，它们的基本原理和适用范围以及各自的优缺点，其中Haar特征提取算法是本文应用重点；3.分析了AdaBoost分类器组成原理和训练流程，解释了haar特征与弱分类器关系，弱分类器训练方法及流程，级联分类器的构成原理和思想；4.研究和比较了背景减除法中的单高斯背景建模算法、码本建模法、滑动平均建模法、三帧差法等，在这里结合形态学处理，提出连通域分析等，做到视频序列中运动人体区域的精确快速定位；5.实现了一个基于haar特征的运动人体检测系统。通过大量实验证明，本文实现算法和各个流程都可以在测试图片和视频测试集合中得到很好地应用，获得较高的正确检测率，处理速度在实时性方面得到良好的效果，应用前景令人期待。