行人检测是现代交通管理中必要的支撑手段。在隧道环境下，传统的人工检测方式费时费力且极易漏检，如何实现隧道行人的自动检测是目前亟待解决的问题。视频检测技术由于具有信息量大、安装维护方便等优点，是行人检测的重要发展方向。但由于隧道环境极易受光照变化影响，且行人多为像素低、尺寸小的远景目标，检测难度较大，因此深入研究隧道环境下行人目标视频检测技术具有重要理论和实际意义。现有的基于视频的行人检测算法多侧重于研究近景或中景行人目标，对远景行人目标的研究相对较少。为此，本文针对隧道环境下行人目标的视频检测方法展开了深入研究。在深入分析隧道行人目标视频检测技术的问题和难点后，重点研究基于视频的隧道行人目标提取和隧道行人目标识别。在基于视频的隧道行人目标提取方面，对背景建模、背景更新及目标去噪方法进行了研究。针对光照变化十分复杂的隧道场景，选取了基于非参数核密度的背景建模方法，并提出一种适合隧道场景的背景更新方法，然后提出了一种基于概率比较的小面积行人目标去噪方法，结合背景差法，实现了隧道疑似行人目标的提取。实验结果表明，基于非参数核密度的背景建模方法建模效果更好且用时较短，提出的背景更新方法能有效抑制隧道光照突变和渐变，提出的基于概率比较的小面积行人目标去噪方法能有效去除灯光噪声干扰，较好地实现了疑似行人目标的提取。在隧道行人目标识别方面，提出了一种基于多特征的隧道行人目标识别方法。首先综合考虑疑似行人目标的形状、面积等特征，构造疑似行人目标的轮廓特征描述算子，建立基于模糊C均值聚类算法的轮廓特征识别器，实现行人目标与非行人目标的粗分；然后根据疑似行人目标的运动特征构建运动特征识别器，并进一步通过两级识别器级联的方式实现隧道行人目标的有效识别和标识，实现隧道行人自动报警。最后，结合上述提出的算法，建立了隧道行人目标视频检测实验系统，并利用重庆市多个高速公路隧道场景的交通监控视频数据，在VC环境下进行实验验证。结果表明，本文方法能较准确地提取出疑似行人目标，且提出的基于多特征的隧道行人目标识别方法能够有效识别出行人目标，具有较高的准确性及可行性。