基于视频序列的行人检测问题是当前计算机视觉和模式识别领域的一个重要研究方向，它在智能视频监控、智能汽车系统、人机交互等领域有着广泛的应用前景。本文对摄像头静止和运动状态下的行人检测问题分别进行了讨论，重点研究了摄像头运动状态下的行人检测方法。 对于摄像装置静止状态下的行人检测问题，本文采用背景差法检测行人，利用混合高斯模型更新背景图像。针对行人检测中，多个行人被检测为一个大目标的问题，本文给出了简单可行的行人分割的方法。实验结果表明，在320×240大小的测试视频上，本文所采用的方法每帧只需要30ms左右，并且本文给出的分割方法可以达到95％以上的分割准确度。 对于摄像装置运动状态下行人检测问题，本文采用了基于AdaBoost算法的行人检测方法，并从训练学习方法和特征选择两个角度分别进行讨论。 训练学习方法方面，本文给出Gentle AdaBoost算法的基于查表法(LUT)的实现，在此基础上提出了一种非等间隔划分区间的Gentle AdaBoost的实现方式。实验表明，本文提出的改进方法在同等条件下，比原始方法训练所得结果的性能有大约5％的提高。 特征选择方面，本文提出了特征预筛选方法，用于减少特征数目，提高训练效率。实验结果表明，经过特征预筛选后，训练速度大为提高，3000个样本通常只需要10小时左右。同时，本文引入的边缘方向直方图(Edge of Orientation Histogram，EOH)特征，它可以有效的表征行人的特征，在千分之一的窗口误报率下，EOH特征可以达到大约为86％的检测率，高出矩形特征接近10％。