现代城市公安监控摄像头数量普遍达到万台以上,城市监控主要针对人、车两类目标,其中对于行人目标的检测,特别是在拥挤场景下行人目标快速准确的检测一直是该领域的一个难点,同时,目标检测也是计算机视觉和模式识别等领域的一个非常活跃的研究方向。本文首先分析研究了当前常用的目标检测算法,针对拥挤场景下的目标相互遮挡的难点,利用可变形部件模型(DPM)算法进行拥挤场景下的目标检测,达到了较好的检测准确性能,但由于该算法需要进行全局滑窗检测和金字塔计算,算法复杂度高,计算量大、实时性差,很难应用到实际智能视频分析系统中。本文针对实际智能视频分析系统的应用需求,提出分层检测原则,采用“由粗到精”的思想,对于给定的实验视频序列,首先通过对称差分提取动目标前景,快速定位潜在目标区域,利用可变形部件模型(DPM)对该潜在目标区域进行精确检测,在一定程度上降低了该算法的计算量,满足了特定视频拥挤场景下目标检测准确性和准实时的应用要求;同时,提出对快速粗定位目标潜在区域采用BING+DPM算法达到快速似物性检测,满足特定视频拥挤场景下快速目标检测的实时应用要求。本文利用INRIA和Pets2006等行人数据库对算法进行评估,获得算法对行人目标的准确率和查全率,得到PR曲线。再利用工程中心现有的实际系统平台的视频进行实验,实验结果表明虽然BING+DPM算法的目标检测正确率受BING算法性能的限制不如对称差分+级联DPM算法,但能够大幅提高检测速率,可以满足视频分析系统的实时性应用要求,对称差分+级联DPM算法能够获得较高的检测正确率,能够在一定程度上满足特定场景视频分析系统的实际应用要求,将两者有机结合可以在一定程度上满足特定视频拥挤场景下快速目标检测的准确性与实时性要求。