监控视频中的人体检测是智慧城市推广应用的一项关键技术，是当前计算机视觉研究领域中的热点之一。本文对监控视频中的人体检测技术开展研究，对保障公共交通安全和减少肇事事件等具有重要的理论和实际意义。论文首先对人体检测技术的国内外研究现状进行了分析，针对监控视频图像质量普遍较低的情况，对视频图像预处理方法进行了研究，通过采取图像去噪和光照补偿等方法改善了视频质量，为后续的图像处理和分析提供方便。其次，研究了目前基于视频图像的运动目标检测方法，重点讨论了基于混合高斯模型的运动目标检测算法，并根据研究场景，针对经典混合高斯模型存在的问题，采取混合高斯模型数量动态调整、学习率自适应调节以及改进初始值选取等措施，改善了运动目标检测的效果。再次，对提取出来的运动目标进行了人体识别研究，详细分析了基于统计方法的人体检测算法。对用于人体识别的主要特征进行了比较，重点讨论了金字塔式的梯度直方图特征（Pyramid Histogram of Oriented Gradients，PHOG特征）及其计算方法，并给出了一种基于PHOG特征和SVM（支持向量机）相结合的人体检测方法，详细说明了该方法的实现过程。最后，论文构建并实现了一个基于视频监控的人体检测系统。该系统吸取了背景建模和统计学习两种方法的优点。实验结果表明，系统在阴影、光照不均和多目标等复杂场景情况下具有良好的检测性能。