运动目标的检测与识别是计算机视觉领域中的热点问题之一,是智能监控、智能交通等系统搭建的基础,本文在现有的计算机视觉处理技术的基础上,重点研究了固定场景中对运动目标的检测与识别技术。主要涉及到运动目标的检测、阴影去除和运动目标的识别等方面,完成的主要研究工作如下：(1)研究并改进了帧间差分法进行运动目标的检测,该方法充分利用了前一帧中运、动目标的检测结果,并结合帧间差分对当前帧的检测结果,确定当前正中最终的检测目标,该方法能够较好的检测出当前场景的运动物体部分,并能很好地适应对外界环境的突变,同时避免了传统的帧间差分法检测过程中出现的“双影”及“空洞”的情况。(2)研究并提出一种基于模糊聚类和边缘检测相结合的阴影检测和消除方法。首先研究了阴影的性质,利用运动目标的阴影部分和被其覆盖的阴影部分之间的灰度比值在一定的阈值范围内的规律,采用模糊聚类和边缘检测相结合的方法去除运动目标中的阴影部分。实验结果表明,即使在运动物体的灰度值和阴影很相近的情况下,也能很好地检测出阴影部分。(3)快速地进行目标识别是将基于视频的运动目标检测进行实际应用的重要前提,本文对当前普遍采用的Hausdorff距离匹配思想进行目标识别进行了系统的研究,并采用基于中心探测法的Hausdorff距离进行目标的识别匹配,该方法解决了传统的Hausdorff距离方法中存在的对噪声敏感和实时性差等问题。再者,进行模板匹配过程中,模板的管理也是重要的一部分,本文详细地介绍了模板数据库的搭建及管理。通过模板图像的长宽比及型心的坐标位置等指标对模板进行分类,使得在进行目标识别过程中,大大降低匹配规模,从而提高目标识别的整体实时性。