复杂背景和遮挡问题是当前行人检测技术研究中的难点,对这两个问题的解决,有助于行人检测技术进一步实用化、市场化,创造更高的经济价值和社会价值,同时行人检测的相关技术可以被人脸检测、车辆检测等目标检测技术所借鉴,促进计算机视觉和模式识别等相关学科的发展,具有较大的理论意义和学术价值。本文针对这两个问题展开了研究。针对复杂背景问题,本文全面分析了基于混合高斯模型运动目标检测方法的优缺点,针对其更新速度慢、收敛性差的缺点提出了相应的改进方法,通过实验验证了该改进方法的有效性;针对复杂背景中阴影对运动目标轮廓的影响,采用基于色度畸变的阴影消除方法;针对混和高斯模型在运动目标的运动方向与摄像机成像平面垂直时,只能检测到目标的边缘轮廓,引入了种子区域增长方法来解决该问题。针对遮挡问题,详细介绍了隐式形状模型的行人检测方法。该方法首先通过感兴趣点检测算子提取表征行人的局部表观码本,然后通过训练获得码本模型的空间共生分布模型,在此模型基础上将行人识别和分割过程融入到一个概率框架中,最后通过最小描述长度消除重叠的候选人体区域之间的模糊性。该方法采取的是“先识别,后分割”的方法,基于局部特征的描述子,为遮挡问题提供了一条解决思路。为了排除场景中非人体运动目标,本文提出了基于形状信息的行人分类方法总体框架,详细阐述了如何对所获得的运动目标轮廓解卷绕以进行特征提取,以及样本的收集和人体模型的建立过程。描述了基于PCA的维数约简方法和基于EM的人体建模具体实现过程,实验结果表明,我们提出的行人分类方法是有效的,在4007个测试样本中,只有27个误判。