传统的视频监控系统仅具备视频的采集和存储功能,过分依赖摄像头硬件,而浪费了大量的前端计算资源,并且非结构化视频数据的监视工作也需要大量人工成本。行人作为事故发生的最主要诱因,是监控视频数据中最重要的组成部分之一,视频中的行人检测技术对监控系统的智能化具有重要意义。本文提出了一种监控视频中的快速行人检测方法,主要从行人检测基本方法、检测分类器的离线训练以及视频中基于运动先验信息的行人检测三个方面进行研究,并基于该方法提出其在智能监控系统的一种应用,即监控视频中行人信息的结构化存储与检索。本文的主要研究内容包括以下几个方面:(1)综合分析了目前主流的几种行人检测方法,最终选取基于积分通道特征和级联Ada Boost分类器的方法作为视频中行人检测的算法基础,并通过大量实验进行分析,评估了该方法的检测性能和可行性,确定了该方法的适用环境;(2)针对Ada Boost分类器的特性和负样本训练集的多样性,提出了一种基于权重退化控制负样本采样的训练方法,加速了行人检测分类器的离线训练过程,并提升了分类器离线训练的精度,为视频中的行人检测打下了坚实的基础;(3)对传统Vi Be方法进行了改进,并基于该方法进行运动检测。根据视频中的运动先验信息,限定积分通道特征的提取,并对视频帧图像分块进行行人检测,有效减小了复杂背景信息的干扰,提升行人目标提取速度的同时,也增强了检测的精度;(4)提出了行人检测技术在智能监控系统中的应用,设计了监控视频中行人检测、结构化存储与行人检索的整体框架,对该项智能监控技术应用进行了探索性研究。