近年来,随着科技进步和社会发展,智能视频监控系统的使用越来越普遍。行人作为监控视频中关注的主要目标,对其检测和跟踪的研究很有必要性。在无人驾驶、安防、智能交通和抢险救灾等诸多领域场景下,行人检测技术都发挥它的重要价值。行人检测技术作为计算机视觉领域的重要分支,一直以来都是研究的热点方向。在现实生活中,由于背景环境的复杂性、室外光照的变化性、人体行走姿态的非刚性以及行人外观的多样性等因素的影响,使行人检测面临诸多的挑战。受制于行人检测的不同应用场景,当前没有一种完美的通用算法解决所有场景下的行人检测。本文的选题取自于企业项目“巡逻机器人”的研发,其中研究了监控街景视频下的行人检测,在检测精度和算法实时性两方面重点展开。主要的工作和研究内容如下:首先,针对行人目标具有非刚性的特点,深入研究了描述行人特征的各种算法。其中重点分析了Haar、Edgelet等特征算法和支持向量机、Adaboost等分类算法。为了解决在部分遮挡情况下的漏检行人,提升算法精度,在经典HOG算法基础上,选择HOG特征和LBP特征进行混合,提出融合HOG-LBP特征。通过选取INRIA和自采集标记的训练样本进行实验,可以检测被部分遮挡的行人,提高准确率。然后,详细研究了行人检测实时性的方法。包括利用基于积分图计算的HOG快速算法,基于背景差分思想的ViBE算法进行前景提取快速行人检测,并提出了一种基于头肩部特征的快速行人检测方法,选取人体中的头肩部作为识别行人的特征目标,避免了全身特征信息提取特征维度多计算量大,可以多尺度缩放的快速检测到行人目标。最后,设计一个简易的行人检测系统,简要介绍了系统的结构以及软件、硬件部分,进一步验证了算法的准确性、实时性和有效性。