近年来随着计算机视觉技术和图像处理技术的快速发展，视频监控行业迅速崛起，如何提高视频中行人车辆的检测速度和精度成为一项亟待解决的问题。传统的视频监控系统高度依赖人工解读信息，极大地限制了系统的主动性和实时性，降低了系统的性能。目前国内外在智能视频监控中的行人车辆检测方面的研究很多，基于图像处理技术和模式识别技术的监控系统，可以快速对场景进行评估，降低视觉疲劳引起的误报率和漏报率。本文设计了一套智能视频监控中的行人车辆检测系统，通过加快背景更新速度和提高检测精确度开拓了新的思路。本文的研究主要包括以下几个方面：(1)利用高斯混合建模进行背景建模与更新。对预处理后的图像序列进行分块，划分感兴趣区域，根据感兴趣区域的小方块中的部分像素的灰度值变化更新背景。通过大大减少处理的数据量，达到快速有效地背景更新，从而加快背景建模速度。(2)基于方向梯度直方图算子的行人特征提取。在该模块中，系统利用图像局部区域的梯度方向直方图特征描述行人轮廓信息和运动信息，得到丰富的特征集。在HOG特征提取算法中，对图像Gamma空间和颜色空间的归一化可以有效的降低图像局部的阴影和光照变化，而梯度计算能够捕获纹理信息、弱化光照的影响，梯度方向投影保持了对行人的姿势、外观的弱敏感性。(3)基于小波分析的车辆特征提取。对采样的信号进行小波分解得到高频部分和低频部分。由于小波变换具有多分辨率分析的特点，可以根据纹理特征的尺寸大小、对比度强弱调整分辨率，达到最优的特征参数提取。此外，还可通过信号的频率谱、幅值及连续性有效地提取和分析局部信号。(4)利用融合SVM与AdaBoost的分类算法对特征集合进行训练和分类。通过逐级控制迭代的准确率和弱分类器的数量，有效的控制特征分类的准确度。