动态视频图像目标检测与识别技术是视频智能化监控系统的重要组成部分,也是计算机视觉和模式识别的一个研究热点,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。在实际应用中,由于存在环境复杂变化、运动目标遮挡、运动图像模糊等因素影响,增加运动目标检测和识别跟踪的难度,从而限制监控系统智能化的发展。因此,本文以行人作为研究对象,借助于相机和云台组成的监控系统,研究基于图像自动聚焦的运动目标检测算法和多特征融合识别算法以及目标跟踪算法,具有重要的理论意义和实际价值。本论文的主要研究内容如下:首先,介绍了相机自动聚焦的方法以及图像清晰度评价算法,对于自动聚焦过程运动目标的检测,本文采用了 Vibe背景建模和尺度不变换特征相结合的自适应检测方法,完成对运动目标的检测并对目标检测区域的纹理特征和梯度方向特征进行提取。通过相关实验,验证了自适应检测算法在相机自动聚焦过程中能准确和完整的检测到运动目标区域。其次,针对运动的尺度、光照强度等变化影响目标识别准确率的问题,研究了一种多特征信息融合分类识别算法。首先设计给出多特征信息融合识别的结构和框架,采用径向基神经网络对运动目标进行初步识别预处理,进而利用D-S证据理论对初步识别的结果进行融合决策实现分类识别。实验结果表明,多特征融合识别准确率达到95.00%,识别效果明显优于单一特征分类器。最后,为了提高跟踪识别算法的稳定性和鲁棒性,本文引入基于纹理特征和方向梯度特征相融合的核相关滤波跟踪算法。首先利用提取的目标特征训练各自的核滤波器模型,然后运用权重法对目标输出响应图进行融合进而确定目标位置,完成运动目标的跟踪。实验结果表明:多特征融合跟踪算法在目标和背景颜色相近、目标被其他物干扰、目标被部分遮挡等情况下,其跟踪识别准确度较高,跟踪性能稳定。