随着计算机技术、视频技术和图像处理技术的不断发展,基于图像处理方法的运动物体识别技术被越来越多地运用于智能视频监控系统之中。相对于传统的识别方法,图像处理方法因为其不需要增设外部设备,系统整体成本较低,可扩展性强等诸多优点,正越来越多的受到研究人员和实际工程人员的关注。交通视频监控是智能视频监控的一个重要应用领域。交通视频自身具有很多特点,如视频分辨率较低、运动物体背景复杂、气象条件多变、存在大范围光线变化等。本文对当前存在的运动物体检测、跟踪和分类方法,特别是基于视频图像处理的方法进行了调研,分析了各种方法的适用场景和优缺点,并针对本文实际的应用场景——低分辨率交通视频图像——提出了一种基于多特征融合和多帧融合的运动物体识别算法。本文首先对运动物体的分割方法进行研究,通过对交通视频建立合适的背景模型,采用背景差分的方法提取出运动物体。利用形态学处理等方法去除背景噪声的干扰,并提出了一种基于区域生长的阴影去除方法,以获得较为准确的运动物体。接着,提取出运动物体的几何特征和运动特征,再分别基于支持向量机和级联分类器两种策略对运动物体的特征进行融合,获取运动物体的单帧判决信息。最后融合视频序列中多帧的判决信息,完成对运动物体的识别,得到最终分类信息。本文给出的这种基于多特征融合和多帧融合的运动物体识别算法,经实验证明,在实际低分辨率交通视频的应用场景中,可以较好地识别出运动物体,且计算复杂度低,能够满足交通视频的实时处理需求。在完成算法设计后,本文对智能交通视频监控系统的构建进行了描述,简要论述了该系统的组成原理、处理流程和实现方案。