目标识别及检测技术涉及到计算机、信号处理和生理学等诸多学科,是机器视觉的核心技术之一,在智能交通系统、智能定位等研究领域都有重要应用。本文受企业委托,在经典算法的研究基础上,针对基于静态图像的目标识别技术与基于动态视频图像的运动目标检测技术开展了如下研究工作:(1)以K-L变换、帧间差法、光流法、背景差分法等传统算法为理论基础,通过实验对比分析了经典算法的特点及其适用环境。(2)以车牌汉字识别为代表,针对光线变化、污迹遮挡等造成车牌汉字模糊,加大车牌识别难度,严重影响违规车辆的有效稽查及跟踪等问题,研究了基于分类的目标识别技术,本文提出一种结合高斯金字塔与梯度方向直方图(HOG)特征的模糊车牌汉字识别算法。利用金字塔模型多尺度表达的方法,对车牌模糊汉字图像建立两层高斯金字塔模型,在描述模糊图像细节特征的基础上突出了主体特征;然后对两层高斯金字塔模型提取HOG特征,拓展了图像的特征维数,提高特征对模糊汉字的识别能力。仿真结果显示,在相同样本空间下,与HOG特征法,K-L变换法相比,所提算法在识别率以及形近字区分方面均有明显提高。(3)以动态视频图像为研究对象,研究了在光照、阴影变化等大范围扰动的复杂背景环境下,基于目标几何和统计特征分割的检测问题。针对传统码本算法(CB)在复杂背景下,码本背景模型逐渐背离真实背景导致运动目标误判,且运动目标检测阶段,难以处理目标颜色与背景相近等问题,本文提出一种改进型运动目标检测码本算法。该算法提出双阈值-Surendra检测模型控制码本模型的更新区域,解决码本模型易偏离实际背景的问题,并给出了相关阈值的选择原则,进一步有效减少运动目标检测时对前景的误判;同时在降低运算复杂度的情况下,结合YUV颜色空间计算像素亮度变化,使空间坐标轴与亮度变化方向一致,更好的区分前景与背景颜色相近的情况。仿真结果表明,该算法在处理复杂背景环境下的运动目标检测问题时,较传统码本算法具有较高的完整性与准确性。(4)本文基于运动目标检测技术开发了嵌入式目标检测系统,结合虚拟器以及Fedora14.0系统,在上位机中构造Fedora14.0操作系统的全新虚拟镜像,在Visual Studio 2010开发环境下进行运动目标检测算法的研究。随后利用视频采集设备得到的视频图像,在嵌入式操作系统中利用Open CV2.3.1开源视觉库进行检测处理,并在QT图形化界面下显示运动目标检测结果,最终实现了运动目标检测算法的应用。