行人检测是安防监控领域的研究重点所在,并且也是其中的一大难点。因为行人一般是监控摄像头中的主要关注的目标,对行人目标的检测是其他计算机视觉处理比如异常行为分析、动作识别等工作的基础,其准确度对整个系统都有着至关重要的影响。但是对于行人目标的准确识别较为困难,若要实现较高的准确度,就需要牺牲系统的速度,而对于高清视频的处理,行人检测的速度问题尤其重要。针对现有的行人检测所存在的问题,本文研究了行人检测的加速方法,实现了一个应用于高清视频的行人检测系统,该系统以HOG特征结合模式分类算法为基础,在总体结构以及多处关键算法上进行优化。为了提升检测效率,将系统中运算量最大的部分移植到GPU中,利用GPU强大的并行计算能力进行并行处理。本文的主要工作如下：1.采用运动目标检测作为行人检测的预处理,通过运动目标检测获取感兴趣的目标区域,以此来缩小待检测图像的检测范围,获得加速的效果。本文介绍了一些经典的运动目标检测算法,并提出了混合型二轴映射方法,该方法是以背景差为基础,利用颜色信息熵以及HSV颜色空间信息来检测和筛选前景像素,然后使用二轴映射的方法快速获取运动目标区域。2.使用模式识别的方式进行行人检测,其主要的部分有两个,一个是特征描述子的计算,另一个是模式分类器。特征描述子部分本文着重介绍了Haar特征、Sift特征以及本文所使用的HOG特征,模式分类器则有Adaboost算法、SVM算法等。另外,在具体实现过程中,滑动窗口法和包围盒合并算法也是行人检测中不可或缺的部分。3.HOG特征结合模式分类器的算法是本文行人检测算法的基础,在此基础上,本文以运动目标检测作为预处理,用四个类高斯模板来加速HOG特征的运算,对SVM分类器的结构进行调整以简化支持向量,并最终将系统移植到GPU设备中,利用GPU的高性能并行运算能力加速行人检测。实验表明,本文所采用的方法在保证检测准确率的情况下,大大地提高了检测效率。