随着计算机视觉的持续发展,作为其重要分支之一的运动目标检测与跟踪领域也取得了长足的进步。另一方面,随着人类社会进一步的信息化,海量的摄像机监控设备被安装在了人类社会的各个角落,而其产生的大量视频数据却还有待进一步的挖掘和利用。行人识别作为运动目标检测与跟踪最为活跃的研究领域,在这样的背景下,也产生了更强的发展动力。本文在分析了目前基于单目的行人识别算法不足的基础上,引入了双目立体视觉,开展基于双目立体视觉的运动目标检测与跟踪算法的研究。本文首先对双目立体视觉的原理进行了阐述,之后对基于Census变换的局部立体匹配算法进行了研究。在立体匹配中,Census变换是一种非参数的相似性度量函数,拥有鲁棒性好、易于硬件实现等优点,也存在对图像边缘不敏感、计算速度随聚合窗口变大而迅速变下降的缺点。针对Census变换存在的问题,本文提出了一种结合像素点灰度和梯度信息的2比特位的Census变换,并采用了一种基于列窗口的代价聚合方式,有效的提高了基于Census变换的局部立体匹配算法的匹配精度和速度。运动目标区域的提取是运动目标检测的基础步骤,背景减除法是目前最为常用也是性能最好的算法之一。Vibe算法是一种通用背景建模算法,它凭借单帧建模、随机采样等特性,获得了良好的应用性能。本文在Vibe算法的基础上,针对其对运动目标阴影敏感和对较长时间静止目标检测不利的问题,提出了相应的改进,使其更适合行人检测的应用场景。行人计数作为运动目标检测与跟踪技术常见的应用场景,非常具有实际价值。传统的行人识别主要是依靠行人的运动属性来实现检测的,在面对行人相互遮挡、行人目标粘连、行人形变等问题时表现不佳。本文结合机器学习,引入了基于深度特征和支持向量机的行人分类器完成行人识别的任务。受梯度方向直方图的启发,本文采用基于深度信息的行人特征描述子,并以该特征作为SVM的输入对其进行训练,取得了良好的行人识别效果。最后,本文构建了俯视视角下的行人计数系统,包括硬件系统和软件系统的搭建。然后,通过实验验证了本文算法的有效性。最后,本文对所开展的研究工作进行了总结,并展望了下一步的研究工作。