行人是城市交通系统的主要参与者，保障行人安全和减少其对机动车的干扰是城市交通系统建设的重要目标，因此对行人交通的研究也越来越受到重视。

随着计算机技术的飞速发展，基于计算机视觉技术的智能视频监控成为一个研究热点。从视频中进行行人检测是是智能视频监控中最为关键的一步。基于梯度方向直方图（hog）的检测方法以其良好的检测效果得到很多研究者的广泛关注。然而，由于基于hog的检测方法需要大量的计算，实时性很难满足实际应用的需求。而基于运动信息的运动检测算法，如背景差分法等，因为计算简单在很多实际系统中得到运用，但是在复杂场景下很难获得较高的准确率。 　　本文提出一种新的基于YUV颜色空间的阴影去除算法，因为很多摄像头的输出信号采用YUV

设计了基于模糊神经网络的目标本体与阴影的自动分类器，将光谱特征值作为神经网络输入，用遗传算法对网络权值和模糊规则实时更新，并结合图像的空间特性对去除结果进行修正。实验结果表明，应用该方法能有效去除阴影，并可提高行人视频检测的准确率。