对人类感觉信息的理解和描述是当前人工智能研究中的热点和难点,人类从外界获得的信息中,80%是通过视觉得到的。尽管在计算机视觉领域,目标检测已经研究了几十年,但仍是一个活跃的研究领域。目前还没有一个通用的、健壮的、精确的、高性能的和实时的目标检测算法。行人检测是目标检测的重要分支,是近年来计算机视觉领域备受关注的前沿方向和研究热点。它在智能监控系统、驾驶辅助系统、高级人机接口等众多领域拥有广泛的应用前景。论文的主要工作:1、运动目标检测部分。针对传统高斯模型学习速度慢问题,提出了一种基于改进的背景模型更新模式的目标检测方法。对彩色图像建立混合高斯模型,并采用新方法更新背景模型,即不同的阶段使用不同的更新方程,然后由背景差分得到基本准确的前景图像。2、阴影消除部分。在检测运动目标时,运动目标投射的运动阴影也会被检测为运动前景的一部分,造成运动目标的合并、几何变形,甚至使目标丢失。利用基于颜色差、亮度差和梯度差的阴影检测算法能够消除前景图像的运动阴影,最后利用形态学滤波进行后处理。实验结果表明,该方法不管在室内还是室外都能很好地消除阴影,准确提取运动目标。3、隐式形状模型的建立。本文利用DOG感兴趣点检测算子,GrayvaluePatches特征描绘子以及RNN聚类算法生成码本模型(即隐式形状模型)。4、基于隐式形状模型的行人检测。在检测阶段,先是检测兴趣点,提取兴趣点周围的图像块;再从隐式形状模型找到与之相匹配的码本,通过在训练阶段记录的该项相对人体中心的信息,来对中心位置进行投票。那些投票得分超过一定阈值的中心点被认作可能的检测结果。在通过自顶向下分割(码本中包含分割掩模),检测出行人。此方法可以检测静态图片中的行人,也能处理部分遮挡问题。