图像人体目标识别己成为计算机视觉和模式识别的研究热点,它在安全监控、人机交互、军事侦察等领域起到十分重要的作用。然而行人的运动引起非刚性形变、多个目标遮挡、光照变化和复杂背景环境等条件干扰,对多目标人体检测的准确性和实时性造成极大的挑战。本文通过采用HOG特征设计了人体检测系统,同时改进了P.Felzenszwalb的基于多部位目标检测算法和最新的级联检测算法。在速度方面,先加入三帧差分提取前景,再根据前景大小简化金字塔层数,同时使用PCA降低HOG特征维数,最后在模型匹配过程中,采用图像快速傅里叶变换对卷积运算提速。通过以上这些方法,可以达到单线程下准实时检测(即l00ms／帧)。为了能更好的在实际中监控系统中使用,本文还考虑了各类不同光照和环境加干扰情况下的目标检测,比如逆光下强光照,弱光照下黄昏,杂乱背景、树丛摇摆和阴影干扰等。针对这些目标检测场景,采用图像直方图均衡及对检测评分体系加权来降低目标漏检率和误检率。本文还用C语言程序实现自动和手动方式采集实际场景的人体目标数据集,方便训练出特定环境下目标检测模板,提高各类环境下目标检测的精确度。最后,对各种实际场景的检测效果做了必要的检测率和误检率分析。实验结果表明,优化后的基于多部位人体检测算法的检测性能相比原人体检测算法,在速度和精确度上有较大改进和提升。本论文完成了对该算法实现和优化,并应用于多个人体目标的跟踪领域,同时满足检测的鲁棒性和高速度等要求,也达到进一步向手机平台移植的条件。