近些年,随着图像采集技术的发展,城市安装越来越多的监控摄像头,以便有效的监控违法犯罪行为,从而确保经济建设的顺利进行,维护社会安定。然而按照传统的人工排查、监控的方式,海量的监控视频将消耗大量的人力和物力,而且一旦人工疲劳等疏漏关键视频帧,将会造成严重的后果。鉴于传统方式的弊端,基于计算机视觉的智能监控系统被越来越多地应用,其中运动目标检测和分类是智能监控系统的重要组成部分。本文主要针对运动目标检测和目标分类进行研究,结合各个算法的特点和实际情况,提出有效的整体方法,取得了较好的实验结果。本文的具体成果如下：本文提出基于运动目标检测和Binarized Normed Gradients(二值化梯度范数,BING)相结合的运动目标检测方法。本文首先从监控视频流中,利用混合高斯模型的方法获得运动目标区域；由于噪声的影响,导致运动目标区域含有大量噪声,而经过简单的形态学处理方法处理,便可得到干净的运动目标区域。为了方便后续的处理(目标跟踪、目标分类等),目标检测应输出包含运动目标区域的最小矩形框。但由于阴影等影响,造成多个目标相连、或者矩形框过大等现象,从而影响后续处理的准确性。而基于BING的目标检测方法能够有效地避免上述弊端,在300帧每秒的速度下,获得含有前景目标的最小矩形框。最后将二者的结果相结合,获得运动目标矩形区域。本文还提出基于卷积神经网络的运动目标分类方法。目前,业内没有一个专门关于运动目标的数据库,所以本文首先以严格的标准,建立了一个运动目标数据库,并以机动车、非机动车和行人3类标签标注,57836张训练样本和4827张测试样本。由于运动目标图像分辨低,本文分别设计3层和5层的卷积神经网络。由于背景变化经常导致运动目标不清晰,本文采用直方图均衡化对图像进行预处理,在测试集上,mAP(平均识别率)可提高1%。在我国,运动目标每一类的形态多样,特别是非机动车,本文采用不平衡样本策略进行训练,实验中mAP最高可提高8%。最后,通过多模型融合的方法,将两种模型进行融合,取得了更高的识别率,在3层卷积层的情况下,最高可达96%。