视频监控系统在中国的社会生产生活中得到广泛应用，在保证人民生命财产安全，维护社会生产生活的正常秩序等方面，发挥出巨大作用。监控系统在实际应用中，主要以定点视频监控模式为主。视频监控系统中的数据分析，尤其是以人这一关键要素为主要研究对象的目标检测、目标识别等研究，是研究人员所面临的重点同时也是难点问题。探索高效、准确的分析方法，有效构建出视频中行人检测与识别分析系统，是当前研究过程中的热门研究课题之一。对监控系统中的行人识别算法与应用技术进行研究，具有较突出的现实意义。然而，在实际的视频监控检测系统中，经常会出现因远景行人目标过小等因素造成行人漏检和误检等问题。本文针对定点监控视频中的行人检测技术进行研究，并提出使用辅助摄像头检测来改进远景行人检测的方法。
　　本研究主要分为两方面:一方面是运动目标的检测，另一方面是目标的分类确认，从而完成行人检测整个过程。在运动目标检测方面，通过对帧间差分法、光流法、高斯背景建模法等基于行人运动特征的检测算法及基于行人特征的颜色特征、Harr特征、HOG特征等检测算法进行研究分析与对比，最后选定使用高斯背景建模法进行运动目标检测。进一步提出目标检测结果中出现的行人头脚断裂、行人影子不利影响等问题的改进方法并进行实验分析，提升了目标检测与提取的完整度和准确度。鉴于深度学习中的卷积神经网络在目前图像分类、识别等研究领域中的领先优势，目标的分类采用卷积神经网络实现。通过运动目标检测模块处理，经筛选得到行人样本数据并制作行人样本库，然后对深度卷积神经网络进行训练，再将训练好的网络模型部署实施，对检测出的目标进行分类，最后得出结论。使用本文提出的采用辅助变焦摄像头进行远景行人检测的方法，在运动目标检测模块中，行人目标的相对检出率提高了95.29％。在行人分类模块中，行人分类结果的正确率与平均概率的提高的相对比率分别为15.14％和3.75％，取得了较好的检测效果。