近年来,随着城市中监控设备数量日益增多,各个广场、路口等采集的视频数量也不断增多,这些监控视频可为公安干警侦破刑事案件提供强有力的线索和手段,由于监控视频中内容较为复杂、数据量较大,传统的人工浏览和查找感兴目标的方式既耗时又费力、效率低下、容易漏掉关键信息。为了能够弥补人工检索的不足,采取自动化手段对监控视频中行人序列检索的方式被提出,智能行人序列检索问题也成为计算机视觉研究领域的热门课题。智能监控中行人序列检索以行人检测、行人属性提取和行人轨迹提取关键技术为基础,涉及面广,本文针对监控视频中行人序列检索过程中的几个关键技术进行研究,并对涉及的具体问题进行深入探索,论文主要研究工作概括如下几个方面：首先,传统的行人检测方法需要对整张图像进行多尺度滑动窗口检测,如果整张图像没有行人或者大部分区域没有行人,这种检测方法极大地浪费时间,况且背景干扰或者行人之间相互遮挡情况下检测不准确。本文利用监控视频中行人的运动信息与聚合通道特征相结合检测行人。首先,采用背景差分检测方法检测出前景运动区域,在此基础上,利用基于聚合通道特征的检测方法实现对行人准确、快速的检测。其次,在行人检测的基础上,采用帧序列投票的方式对行人衣着颜色属性进行提取,考虑到监控视频中行人衣着颜色容易受光照和采集设备的影响,因此本文对现有的基于局部反射统计光照估计方法改进,提出一种多尺度光照估计方案对色偏图像进行矫正,恢复成标准光源条件下的正常图像。此外,为了准确识别矫正后的衣着颜色图像,本文采用层次化分类的方法先将衣着颜色分为“彩色类型”和“非彩色类型”,然后再细分具体的颜色类型。最后,为解决目标遮挡和行人漏检引起的运动轨迹不完整问题,本文在行人检测的基础上,对相邻图像帧检测出的目标行人建立五种状态(目标移动,目标静止,目标丢失,部分匹配,目标离开),然后根据帧间的目标行人建立数据关联,进行目标匹配,当目标丢失或者部分匹配时将目标状态实时更新,目标重新出现时,进一步准确匹配,从而能够提取出目标完整的运动轨迹。另外,本文在行人序列检索关键技术研究的基础上,给出两种行人序列检索方法,包括基于文本信息的行人序列检索方式和基于实例图像的行人序列检索方法,并设计出一个行人序列检索的原型系统,在校园内采集的视频数据集上取得了良好的检测效果。此外,本文对行人序列检索关键技术进行研究,针对复杂场景中多目标的快速检测、行人轮廓快速分割技术,相似衣着行人轨迹提取、行人其他属性(运动轨迹、身高、性别、是否带帽等)识别等问题都有待进一步研究和探索。