随着现代社会经济的快速发展,基于视频内容分析的视频监控等自动化系统在安防、教育、人工智能等各个产业领域都发挥着越来越重要的作用。录播系统作为传统教育行业的辅助教学系统,在课堂录播应用的方向上,扮演越来越重要的角色。但是传统的录播系统仍然停留在人工干预控制的阶段。作为智能视频分析中一个非常重要的方向,视觉目标检测和跟踪也得到了迅速的发展。在目标检测和跟踪算法的辅助下,传统的录播系统能够借助多摄像头下的视觉目标检测的联合事件分析,完成自动化课堂录播控制的任务,为教师教学提供了智能和便利的录播服务。本文在总结分析了现有行人目标检测算法的基础上,针对录播系统的学生检测模块,实现了一种结合帧间差和背景建模的多相机学生检测方法。而针对教师检测的算法部分,则提出了一种基于边缘分级的CENTRIST行人检测方法。并结合录播系统的学生定位和教师定位模块的需求,将算法应用到实际系统中。针对静态背景下的学生检测模块,考虑静态背景检测中光流法的算法复杂性,帧间差分法的不稳定性,和背景差法的低鲁棒性等缺点,实现了一种多相机环境下的结合帧差的背景建模算法,采用了图像腐蚀膨胀技术去除实际环境的图像噪点,并加入了动态背景更新,在保持帧差算法的算法效率的基础上,让背景建模算法自适应更新背景模型。针对动态背景下的教师检测模块,本文深入总结目标检测中各类行人特征描述算子,对HOG、CENTRIST等边缘轮廓特征进行了深入的学习和性能对比。针对CENTRIST检测算子抗噪能力的不足,提出了一种结合边缘分级的行人检测方法。该方法更加深入地刻画了轮廓信息在行人检测中的重要作用。利用边缘分级提取目标主要外部轮廓,并且去除了背景环境和目标内部不必要的局部纹理,提升了SVM分类器分类性能和背景鲁棒性。该算法还结合录播系统的实际应用场景,提出了结合运动区域的行人检测算法,很好地弥补了算法的漏检和误检情况。最后结合课堂录播系统的实际应用需求,研究基于TMS320DM8168嵌入式平台和Linux服务器平台的系统设计、软硬件架构。并将学生检测算法和教师检测算法应用到实际嵌入式平台中进行验证和优化,建立多核心卡协同合作、Linux服务器为逻辑控制核心的客户机-主机工作模式,实现了课程录播系统功能自动化的需求。