智能视频监控在近些年来引起很大的关注，而运动的行人检测在视频监控中占据了很重要的地位。之前已经有方法结合监控视频的特点直接利用前景检测结果进行行人检测，但是这些方法受环境的影响很大，对摄像头的成像效果、监控环境有很高的要求。而本文利用前景检测来加速检测过程，降低误检率，提高检测率，并且利用积分图像来进行兴趣区域快速处理。已有的工作表明，滑动窗口是行人检测中最好的框架，而在滑动窗口框架下，由于需要对各个位置、各种大小的窗口进行特征的抽取与分类，所以抽取的特征的次数非常多而行人的特征一般抽取比较复杂，所以特征抽取的效率成为了整个行人检测性能的瓶颈，虽然前面结合前景检测能够巨幅减少需要抽取特征和分类的滑动窗口，然后利用一个更快的比较准确的用基于轮廓的CENTRIST特征训练的分类器对滑动窗口进行一次粗筛选，然后利用精度更高的但是效率更慢的深度学习进行最终的分类。由于背景模型算法和用CENTRIST特征训练的分类器将绝大部分不包含行人的滑动窗口去除了，所以需要利用深度学习进行分类的滑动窗口就很少，所以整个行人检测器速度会很快。