针对传统的运动目标检测方法不能有效识别行人目标的问题,提出一种场景划分混合高斯运动目标检测与背景替换方向梯度直方图行人检测相结合的运动行人检测方法。提出基于场景划分的随机更新混合高斯运动目标检测,通过场景区域划分减少算法在背景稳定区域的运算量,通过随机更新机制提高算法在复杂背景扰动和目标缓慢移动下的检测精度;提出使用卡尔曼滤波的背景替换方向梯度直方图行人检测方法,通过卡尔曼滤波为算法提供更完整的待检测窗口,通过背景替换进行不同背景下对同一目标的检测,提高行人检测精度。针对混合高斯运动目标检测运算缺少对场景信息区分利用的问题,根据像素点模型的权值分布特点,采用场景划分方法,将场景划分为背景稳定区域和背景扰动区域。在背景稳定区域削减混合高斯相关运算的强度,在背景扰动区域保持或加强相关运算的强度,进而在保证检测精度的同时减少算法冗余运算。针对混合高斯运动目标检测易将运动缓慢目标更新为背景问题,提出时空随机更新方法,在保证背景扰动区域被正确判定为背景的前提下,通过随机更新限制减少运动缓慢目标区域的不合理运算量,进而提高算法对运动缓慢目标的检测精度。为避免错误的运动目标检测导致后续方向梯度直方图行人检测的检测范围不完整,采用卡尔曼滤波,根据已检测序列帧行人区域对当前帧目标区域进行预测,并与当前帧运动目标检测结果共同为方向梯度直方图行人检测提供待检测窗口。为提高方向梯度直方图行人检测在背景扰动区域的检测精度,采用合成图像方式进行背景替换。将背景扰动区域的像素点背景阈值内的高斯分布峰值进行随机组合,生成多个局域背景,作为合成图像的第一部分,以前景检测结果的当前帧像素值作为合成图像的第二部分,最终形成多个待检测图像,进而降低方向梯度直方图检测的虚警率。实验证明,本文所提出的混合高斯运动检测改进方法和方向梯度直方图行人检测改进方法,与原算法相比,具有更佳的性能表现;所提出的运动行人检测方法,在各场景下性能表现良好,具有理论意义和应用价值。