计算机视觉伴随着硬件性能与软件质量的提升取得了长足的发展,而行人的检测作为基础也是最重要的任务之一,始终是计算机视觉领域的研究热点。行人检测在智能安防、交通监控、运动识别、虚拟现实等领域具备重要的研究价值和广阔的市场应用前景。近十年来,行人检测技术在大量研究人员的共同努力下取得了可观的成就,检测器的精度和速度均有了快速地提升。但是由于行人固有的特性以及检测场景的复杂性,导致目前的检测效果无法满足实际应用的需求。如何增强变化场景中行人检测器的适应性,以及如何提升检测器识别困难目标的能力仍旧是行人检测技术的研究热点。本文主要针对行人检测器无法适应复杂变换的场景,以及对困难遮挡目标的识别能力下降的问题,提出了一种新的快速运动行人检测算法。本文的主要工作与创新点阐述如下:检测器对场景变换的适应能力较弱是制约行人检测技术发展的主要因素之一。本文针对该问题,认为运动是变化场景中行人的共性。通过将相邻两帧图像作为单个计算节点,使用一种新的位运算方法快速地获得变化场景中的感兴趣运动区域。根据对比消除的思想,场景中运动明显的目标被筛选出来,并根据位移与形状的变化被划分为单目标和遮挡目标。位运算方法与传统的滑动检测法相比,极大地提升了目标的检测速度,使得检测器能够有效满足实时性的应用需求。为了提升检测器识别遮挡行人的能力,当行人处于单目标状态时,其所处的运动区域内的BRISK关键点集合被不断地更新和保存。算法重点关注行人因场景障碍物或者行人之间相互遮挡而转变为困难目标的情形。当发生转变时,受CMT算法的启发,预先保存的关键点集合被使用,并通过光流法匹配困难运动区域内的遮挡行人。具备关键点更新策略的KPM算法与CMT算法相比,显著降低了检测窗口发生漂移现象的可能性,并具备同时匹配多个困难目标的能力。通过数学推导和实验数据论证了规格化检测窗口对运动行人的高匹配度,使用经过筛选的推荐窗口修正后的检测窗口进一步地提升了 5%的算法检测精度。三个不同行人密度数据集上的5种检测算法的对比实验结果表明,本文所提出的检测算法成功地检测出了 50%以上的遮挡行人,不仅具备较高的检测精度而且有效满足了实时性的应用需求。