在计算机视觉领域中，行人检测与跟踪技术是研究的热点内容也是最基本的任务，它在交通管理、智能监控、人机交互等方面都有着重要的研究价值和广阔的市场前景。尽管行人检测与跟踪技术已经研究了将近二十年，但由于人体属于非刚性物体且应用的场景大都比较复杂，使其检测与跟踪的效果不太理想，到目前为止仍是一个活跃的研究领域。本文在阅读大量文献的基础上，主要的研究工作概括如下：第一章首先对课题的研究背景和意义进行了介绍，然后详细叙述了国内外研究现状，并指出现阶段行人检测与跟踪中存在的问题，最后介绍了论文的研究内容和各章节安排。第二章介绍相关理论知识，首先阐述常用的描述物体特征的方法，然后介绍了图像增强的相关知识，最后介绍了AdaBoost算法和支持向量机算法。第三章针对传统的LBP算子只考虑了中心像素点与邻域象素点之间的大小关系而忽略了它们的对比度，本节提出一种改进的LBP特征描述算子，将其对比度信息加入到LBP算子中，改进后的LBP特征算子对图像噪声和光照变化不太敏感。结合SVM分类器，在光线条件不好的环境中可以较准确地检测出行人。第四章针对分类器退化问题和正负样本不均衡问题，分别对AdaBoost算法中权重的更新规则提出改进和对正负样本进行权重归一化。最后在AdaBoost分类器检测行人的基础上加入级联形式的SVM分类器，利用SVM的全局最优性对第一阶段检测结果进行二次检测，剔除第一阶段存在的误检行人。第五章提出了一种鲁棒性较强的行人跟踪改进算法。为了解决Camshift算法中背景颜色信息与目标颜色信息相近时出现的跟踪错误现象，将颜色特征的空间信息引入到Camshift算法中，再对目标模型进行加权，最后通过模板更新因子决定是否更新模板。实验证明，该算法能够克服背景干扰，目标快速移动时也具有一定的跟踪效果，满足实时性的要求。第六章对论文主要工作进行总结，提出其不足，并对课题研究进行了展望。