近年来,随着我国城市化的不断推进,各种基础设施建设的不断增加,如何加强施工现场的安全管理成为了施工单位、政府部门各方关注的重点问题。由于施工现场环境复杂,施工人员流动性大,传统的视频监控不能满足安全管理的要求,因此提出一套适用于施工现场安全监控的智能视觉监控系统具有重要意义。本文针对智能视觉监控系统中的人形识别技术进行研究,主要包括目标检测、特征提取和分类器设计三个部分。首先,本文通过分析施工现场这一应用场景下人形识别问题的难点,选择相应的技术路线作为解决方案;然后,本文以目标检测、特征提取和分类器设计为主要内容,分为三部分分别进行研究;最后,本文通过以实际的施工现场环境为背景进行研究成果的验证。具体来说,本文的主要研究内容如下:1)目标检测算法研究本文比较分析了几个主要的目标检测方法,认为背景建模法适用于施工现场,能有效地分割目标与背景,并基于背景建模法进行研究,提出联合自适应混合高斯模型和颜色统计直方图的时空信息的目标检测算法。2)特征选择与优化方法研究本文总结了现有的各种特征的特点,在此基础上选择能够互相补充的特征组合作为特征向量,然后利用准则函数对该特征向量进行优化,并在保证尽可能少地损失信息量的条件下降低向量维数,以得到一种既能有效地描述人形目标又不会大幅增加计算复杂度的组合特征。3)分类器设计方法研究本文研究了判别函数理论,考虑到虽然线性分类器形式简单且计算复杂度小,但是分类精度却远不如非线性分类器,而分段线性分类器能同时具有线性形式和非线性特性,因此是一个较好的折衷方案。对分段线性分类器设计方法的研究包括了单目标和多目标优化方法,分别提出了两种分段线性分类器算法,即基于Max-Min可分性的增量学习设计方法和基于多面体可分性的组合设计方法。