对低质量视频序列的行人目标进行检测和高分辨重建是伴随着近些年来提出来的物联网互联互通的概念而产生的新需求，智能化的信息集成处理有依赖于这些前端检测和处理的信息输入。高质量和有效的图像目标可以为后续的应用提供很好的支持，包括目标检索，匹配认证等等。因此本文针对监控摄像，手机摄像等获取的低分辨图像序列，从中检测分割出对应的行人目标，并进而对其进行高分辨重建，得到相对清晰的目标图像版本。这里，我们只针对检测分割后的目标图像序列进行超分重建，由此将会带来速度以及重建质量的提升，我们也会在相应章节中设计相应的实验来进行说明。　　 本文首先研究了适合用来在低分辨图像序列下进行行人目标检测的算法，由于很多现有的检测算法都只针对像素分辨度较高的行人图像，无法适应本文所需要解决的应用场景。为此，我们采用了对低分辨场景具有鲁棒性的基于局部人体构件的行人检测方法。这种方法通过预先标记人体关键点聚类相应的人体构件训练样本，通过针对这些局部构件单独训练出子检测器后，再对目标图像分别进行检测，通过整合多个子检测器的检测结果，我们就可以获取比较好的检测总体性能。针对本文的应用场景，我们设计了一系列优化子检测器信息融合的改进方案，充分利用每一个子检测器的检测结果。另外，分割目标的准确性也尤为重要，因此我们也优化了原有的检测框估计方法，使得到的检测框定位更加精确。　　 另外本文还研究了针对检测后目标行人图像序列的超分重建方法，因为行人目标具有局部移动性和图像低质模糊的特点，重建之前所进行的配准过程往往会产生很多重建奇异点，这在重建较为快速运动的行人目标时尤为明显，为此我们首先针对重建奇异点这一块提出了一种基于MAP(Maximum A Posteriori)的反向投影方法，利用帧间和帧内的两部分相关性设计分类器来分别处理重建奇异点，使得多个图像的信息得到最有效的融合。另外，我们还研究了能够维持图像边缘特性的正则化项，主要是利用了双边全变差滤波器本身具有的纹理分析和快速运算能力，设计好相应的自适应参数之后就可以有效自适应图像的局部结构差异性。最后，我们还研究分析了不同帧数下图像的重建效果，得出了初步的重建帧数适用边界。