目前，单摄像头移动对象识别的相关技术已比较成熟，但仍然存在场景切换、目标遮挡等问题，多摄像头下的移动对象识别成为一个新的研究热点。多摄像头移动对象识别是指在目标检测、目标跟踪的基础上，对多摄像头信息进行融合分析，以实现目标的精确识别。　　在介绍了目标检测、跟踪的经典算法以及移动对象识别中存在的不足基础上，提出了一种运动模板、物体边缘方向直方图和Kalman预估器相结合的跟踪算法，与以往算法相比，该算法充分利用了物体的边缘特征，能够准确跟踪视频监控中的移动对象。实验结果表明，该算法在复杂环境下仍具有很好的实时性和鲁棒性。　　针对移动目标识别环境的特殊性，本文将多视频数据融合技术细化为数据层、目标跟踪层以及决策层等三个层次的信息融合。数据层通过融合多摄像头移动目标的大小、方向等参数实现了移动目标的准确描述;目标跟踪识别层采用粗集理论和BP神经网络结合的方法，增强了识别系统的稳定性;决策层通过D-S证据理论来融合多个摄像头节点的决策结果，提高了目标识别的准确度。