视频序列中运动目标检测和识别是智能视频监控系统的重要组成部分,也是图像处理、计算机视觉和模式识别等领域的一个研究热点,在军事制导、安全监控、智能交通等领域都有广泛的应用,因而具有重要的研究价值。本文以人和车辆为研究对象,对静止背景下的运动目标检测和识别技术进行了研究。运动目标检测、特征提取和目标分类是本文研究的重点。本文的主要工作有:运动目标检测方面,讨论分析了目前几种常用检测方法的原理和优缺点,实现了基于三帧差分的背景差分法、基于RGB颜色空间的背景差分法和结合邻域信息的混合高斯模型背景差分法等算法,并从运行速度、检测精度和算法适应性等方面评价了各算法。针对运动目标检测过程中存在的阴影干扰问题,在分析阴影特点的基础上提出了一种双特性联合阴影检测算法,该算法联合HSV颜色空间的亮度比值特性和小邻域光照的对数比值不变性两种阴影特性进行阴影检测,既能自动设置关键参数,又能适应多种环境变化,具有较好的鲁棒性。为去除运动目标检测后存在的噪声区域,研究并实现了滤波、形态学处理和连通域分析等后处理算法,取得了良好效果。特征提取方面,研究了Hu矩特征和NMI(归一化转动惯量)特征,并从不变性和可分性两方面分析了它们的性能。针对车辆这一典型目标设计了一种基于Hough车轮定位的几何特征,该几何特征可应用于车型精确识别中,具有广泛的应用前景。目标分类方面,探讨和研究了支持向量机的相关理论。设计了一种基于支持向量机的分类器,针对以往支持向量机需要反复试验以确定其参数这一问题,将量子遗传算法应用于支持向量机的参数优化中,提高了分类器的性能。最后,在算法研究的基础上,将白天户外某道路作为特定场景,在VC++6.0开发平台下运用OpenCV技术设计搭建了一个运动目标检测和识别系统,并通过系统实验进行演示和分析,验证了系统的实时性及有效性。