基于图像和视频的运动物体检测是计算机视觉与人工智能领域中最基础的一类问题。其中基于视频的行人检测技术是运动物体检测技术中最具代表性的一类,在智能交通和视频监控等领域具有广泛的应用。但由于行人的非刚体性和多样性等特点,行人检测的准确率与速度仍然是研究难点之一。针对上诉问题,本文设计了一个实时行人检测系统,此系统能够很好的满足视频监控中的实时性与准确性的需求。本系统架构可分为两个部分,分别为前景目标提取模块与实时行人检测模块。首先在方法实现部分,本文提出了一种改进的行人特征检测方案,我们结合多尺度区域二元特征(MLBP)及方向导数直方图(HOG)作为行人检测的主要特征,并利用主成分分析(PCA)算法对以上特征进行精简从而提高检测率。最后,我们使用INRIA行人数据库中的行人样本,并结合Linear SVM分类器来训练得出行人检测器。实验结果表明本文提出的改进行人检测方法能有效提高检测率并缩短检测时间。在针对视频中的行人检测部分,本文首先采用改进的高斯背景建模(GMM)来提取只包含行人的感兴趣区域(Regions of Interest,ROIs),从而大大降低滑动窗口的检测面积。然后对感兴趣区域运用本文提出的行人特征检测方法快速地检测出行人。实验表明,本文提出的实时行人检测系统能达到很快的检测速率与很高的检测精度,可以有效的运用于实时监控视频中的行人检测。