行人检测技术是计算机视觉、人工智能等领域的一项重要内容。由于其在智能监控领域有着重要的应用前景，因此行人检测技术被较多研究者所关注。在智能行人监控领域，行人检测技术作为底层技术，是后续高级处理过程，诸如轨迹跟踪、行为理解、异常行为报警的基础。然而，由于行人是一个非刚性物体，并且不同行人的服饰、所处环境光照条件不同，因此，不同行人的外观差别很大，对行人的识别过程较为困难。　　在对行人检测和识别的相关方法进行分析后，本文将重点放在DALAL提出的基于HOG特征的行人识别方法上。并且针对实际处理过程中需要处理的视频流的特点，对基于梯度直方图的检测方法进行了研究改进。　　本文主要完成的研究工作如下：　　1)针对单个检测窗口中提取出的HOG特征维度较高的特点，提出了一种基于BLO-CK权重进行降维处理的计算方法。在对SVM原理进行研究后，提出一种利用HOG计算以BLOCK为独立计算单元的特点，通过对现有BLOCK利用BLOCK权重进行筛选，选择对分类影响较大的BLOCK组成最终的特征，来表征行人的方法。仿真结果证明，该方法在显著减少HOG特征维数从而提高检测速度的情况下，对检测器检测性能影响较小。　　2)结合视频的特点，提出了基于查询遍历和级联检测器的行人检测识别提速算法。通过将不同检测器进行级联，从而利用前级检测器的输出构造查找表来对下一级检测器的检测范围进行指导。采用这种方式，在检测过程中，能够有效的降低虚警率，提高检测速度。本文通过将动目标检测和基于HOG特征的行人检测器进行了级联，构成了实际的检测流程，实验结果符合预期的目的。　　3)提出了一套有效融合检测跟踪的智能行人监控系统的体系框架，并对其中属于本文研究的主要模块进行了研究，给出了实验结果。