高清监控设备已经得到广泛应用，成为社会安保工作的重要手段。目前视频监控工作主要依靠人工搜索,耗费了大量的人力资源。利用计算机对监控视频自动分析并检测相关事件,可以减少人工搜索,并弥补人工监控之不足。因此，视频中目标检测与跟踪算法受到了极大的关注。行人是视频目标监控的主要对象，研究者们提出了多种行人检测与跟踪算法，光照变化、干扰物遮挡、目标运动状态改变、行人数量增多等情况对行人检测与跟踪算法影响较大，常常会发生误检、漏检、目标丢失等现象。本文以固定摄像头采集的视频图像为研究对象，研究视频内多行人目标检测与跟踪，主要工作包括如下几个方面：首先，本文提出了一种边缘强度联合直方图特征，该特征使用两个方向的Sobel算子对原图像做卷积操作，得到两幅分别代表两个梯度方向的边缘强度图，在此基础上统计出样本对应的边缘强度直方图，此特征能较为有效地描述了各种姿态变化情况下人体特性。通过SVM对该特征进行训练后，训练出可用的行人分类器。对视频首帧使用双阈值三帧差法提取出大致前景区域的基础上，结合该SVM行人分类器，检测出视频首帧图像中的行人区域。其次，本文提出了一种基于像素的检测分割跟踪算法。对于在视频中提取出的行人区域，通过目标像素点与目标中心的位置关系训练霍夫投票模型，由该模型来确定目标的中心位置。结合基于像素概率分割的分割模型，得到目标区域的质心位置。求取最佳投票位置和形心位置的平均值，来估计目标的中心位置，实现行人目标跟踪。为了使跟踪自适应环境和目标的变化，霍夫投票模型和分割模型在每一帧进行更新。本文使用分割结果更新霍夫模型，反向投影更新分割模型。实验表明，本文提出的行人检测与跟踪算法能够快速有效地对视频中的多个目标进行较为稳定的检测与跟踪，并在一定程度上能减小光照和姿态变化对跟踪效果的影响。