基于视频序列图像的目标分类识别，是实现智能监控的重要内容。它通过运动目标检测提取研究对象，并且对检索出来的运动对象进行特征提取与描述，分析出物体本身所具备的特征，以进行接下来的针对运动对象的分类识别，并且针对特定的环境进行相应的应用。视频监控智能化的实现不仅节省了大量的人力物力，同时也带来了更大的经济利润，为社会的科学技术和经济发展起到了强劲的推进作用。在本文中，主要研究了固定的单目摄像机背景下的运动目标检测与识别、运动目标特征提取及目标分类方法、改进及其仿真分析等问题。并围绕其做了以下几方面工作：1.运动目标检测方面，通过对现有的运动目标检测方法的综合比较，利用基于混合高斯背景建模的背景差分法来进行运动目标的提取，并通过基本数学形态学滤波操作消除噪声及目标“空洞”，得到较为准确的运动目标。最后通过轮廓分析来对运动目标的特征进行提取。2.在目标分类方面，对SVM基本原理及基本训练方法进行学习，且对支持向量的解结构及空间位置结构进行分析，并在此基础上结合模糊向量机确定隶属度的方法改进了一种基于类中心的SVM训练样本缩减策略。通过去掉与支持向量无关的非支持向量样本，及对支持向量起反作用的噪声样本，从而缩减训练样本集，提高SVM训练速度。3.针对非线性特征空间中因缺乏映射变化(x)的具体表达式，从而导致类中心无法直接通过计算得到的问题，采用了一种利用特征空间中寻找最小超球的球心来近似替代类中心的替代策略，从而简化了运算，减少了时间开销。4.在以上工作的基础上，通过实际的视频资料对上述研究的有效性进行仿真分析。仿真结果证明，其是有效且可行的。