随着软硬件技术的不断更新与发展,利用计算机检测人体目标已经成为研究热点。在诸如机器人、监控系统、智能车辆等视觉应用中,人体目标检测不仅有着直接的应用价值,同时也为计算机感知人体目标行为研究提供基础,具有广阔的理论研究价值。Kinect的诞生正是对视觉领域的一次革新,它让更多的研究人员接触到了更广阔的视觉领域——深度信息。在单一图像信息检测研究未能有重大突破的情况下,RGB-D信息检测研究将逐渐成为视觉领域的研究热点。本文主要利用Kinect进行彩色-深度信息(RGB-D)采集,围绕着基于RGB-D的人体运动目标检测技术展开研究,并将研究内容应用于实际中。主要研究内容分为以下三部分:(1)通过改进基于RGB图像的人体检测方法,并联合深度信息,设计了一种更高效的基于RGB-D的人体目标联合检测方法。其中,利用聚合通道特征和线性SVM级联分类器,配合深度先验信息的辅助定位,最终完成了快速人体目标检测任务。实验表明,该方法在仅损失一些精度的情况下,能够达到30fps的检测速率,符合检测系统的实时性要求。(2)综合了卡尔曼滤波与粒子滤波的优势,实现了一种融合粒子滤波与卡尔曼滤波的跟踪方法。该方法能在弥补单一滤波跟踪方法不足的同时,满足运动目标跟踪的实际需要。通过实验对比分析,证明了该融合滤波跟踪方法的效果优于单一滤波跟踪方法。(3)利用上述的检测与跟踪方法建立检测跟踪模型,完成了一个实时人数统计系统的应用软件,使用户能够通过软件界面体验到基于RGB-D信息的人体运动目标检测的研究成果。