随着社会的进步,科学技术的发展,智能视频监控在计算机视觉领域的应用越来越广泛,智能监控技术也蓬勃发展,日新月异。目前,视频监控技术已经被广泛应用于各种公共场所,随着技术的进步和成本的降低,视频监控技术也将逐步走进家庭,在家庭安全防范和家庭娱乐应用方面有更大的发展。步行者携带物检测是智能监控领域研究的重要内容,可以应用于丢失物品寻找、偷窃行为防范、恐怖活动监测等方面,具有广阔的应用前景。近年来携带物检测技术受到了研究人员的广泛关注。步行者携带物检测目前虽然取得了一定的成果,但仍有一些未解决的问题,此类方法还有很大的可供完善和提升的空间,检测的鲁棒性和准确性还有待提高。由于现实生活中的环境比较复杂,步行者的体态不同、运动规律经常变化、携带的物品多种多样,这些因素都会对携带物检测造成影响。基于以上问题,本文对步行者携带物检测技术进行研究,主要研究工作如下：1.提出了一种模板目标运动方向估计方法。将图像平面进行划分,根据步行者行走位置变化,在像平面上判断得到步行者运动方向。相对于传统的基于标定的运动方向估计方法,本文方法更加简单且估计得到的运动方向更准确。2.提出了一种模板变换匹配算法。根据目标运动方向估计得到的运动方向选择对应方向的模板,对模板分别进行尺度、旋转、平移变换匹配,计算最佳的尺度、旋转、平移变换量,最终得到最佳匹配的模板及匹配后的模板突出部分。3.提出了一种结合模糊c均值聚类和Graph Cuts的分类及分割方法。通过模糊c均值聚类,将模板突出部分聚类成携带物部分和非携带物部分两类,将对突出部分的模糊c均值聚类包含在Graph Cuts能量函数中,通过能量函数最小化对突出部分进行分类并对分类得到的携带物部分进行分割,最终得到携带物部分。