基于机器视觉的行人检测和跟踪广泛应用于视频监控、三维重构、自主车辆导航等多个领域,对其方法的研究具有十分重要的意义。由于行人本身的一些固有属性、行人之间的遮挡、人与环境间的影响以及摄像头的运动等干扰因素都会对行人的实时检测和跟踪造成很大困难。行人检测和跟踪技术正逐渐应用在复杂的应用场景中,但是其目前仍然处在一个快速发展的初级阶段。　　 论文对基于机器视觉的行人检测和跟踪的若干关键技术进行了研究,主要研究内容如下:　　 第一章介绍了课题的研究背景和目前的研究现状,并阐述了课题的研究意义以及有待进一步完善的内容。　　 第二章介绍了基于机器视觉的行人检测和跟踪中的基础理论知识,阐述了常用的描述物体特征的方法及其优缺点,并介绍了均值漂移的相关算法。　　 第三章针对传统的形状上下文特征在行人检测中区域划分较密的问题,改进了区域划分方法,并使用了直方图区间模糊方法。改进后算法具有一定的形变容忍度,并且对背景杂物的抗干扰能力得到了增强。实验表明,改进后的算法得到较为理想的行人检测结果。　　 第四章针对行人在较复杂环境中,易受光照变化、姿态、遮挡等不利因素干扰,本章引入了随机森林分类器和点对比较特征进行行人检测,这种基于大量样本统计学习的方法可以在一定程度上解决行人检测中光照变化、遮挡、姿态变化的问题。通过实验,验证了本章算法的有效性。　　 第五章提出了一种鲁棒性强的行人跟踪改进算法。为降低背景干扰因素的影响,较为准确地描述目标特征,提出了背景加权和目标加权方法。为实现复杂环境下对行人的稳定实时跟踪,进一步提高目标物体跟踪的实时性和鲁棒性,提出了目标模板实时更新策略。通过多组实验,分别从直观跟踪效果和迭代运算次数方面,与文献中部分算法进行比较,分析给出算法的性能及有效性。　　 第六章为论文的结论,总结了本文所取得的主要成果和创新点,并对行人检测和跟踪研究进行了展望。