行人检测近年来在智能车辆领域研究中备受关注。通过红外摄像机对目标环境进行监控，具有一定的穿透能力，受烟、雾、雨、雪的影响较小，可以实现全天候、远距离观测。因此，开展红外视频序列中的行人目标检测与识别方法的研究，具有重要的理论和现实意义。　　本文针对红外视频图像序列中的行人进行了检测与识别算法的研究。论文的主要研究内容包括以下几点：　　(1)在行人的检测方面，本文对传统的红外行人检测算法以及这些算法的优缺点和应用场合进行了概述。考虑到本文中红外摄像机和行人都在运动的特点。本文采用了先对图像进行阈值分割，得到可能存在行人的区域。然后结合行人的几何特征，达到检测行人的效果。　　(2)本文针对行人区域中可能存在多行人粘连的问题，提出了建立行人的头部模板对多行人的头部区域进行检测，将粘连的多行人分割成了单个的行人，有效地解决了多行人的粘连问题。　　(3)在行人的识别方面，本文采用Haar-like特征结合Adaboost算法组成的分类器和HOG特征结合支持向量机(SVM)算法组成的分类器对行人进行了识别，并比较验证了两种分类器的性能，选取了对行人识别效果最优的分类器。　　本文通过多组实验对本文采用的算法进行了实验对比分析，结果表明本文研究的算法能较好的检测出行人，识别率较高。