随着网络、通信和微电子技术的飞速发展，具有特定功能的视觉分析系统以其直观、方便和内容丰富等特点，受到人们越来越多的关注，其中交通监控领域应用最为广泛。然而，全天候监控捕获的大量视频信息，若采用人工搜索方法来寻找目标，不仅效率低下，由人为因素造成的失误亦是难以避免。因此，人们希望计算机能具有类似人类视觉系统的能力，可以分析、理解图像或视频的内容，以实现视频分析系统的智能化、实用化，视频分析技术应运而生。视频分析技术主要是处理包含各种运动目标的视频序列，从场景中检测、跟踪、分类识别目标，并对其行为进行理解和描述。其中，目标分类是基于视频的运动分析课题中的一个重要方面，其研究内容是在运动检测和跟踪的基础上，依据提取的运动目标区域形状特征和运动属性，对运动目标区域进行语义上的分类。目标分类技术研究对更高层次的视频理解技术的发展有重要意义。本文对基于静止摄像机的运动目标分类算法进行了研究，并实现了对视频序列中行人和车辆的分类。提出了一种新的形状特征：规范化的视向距离，通过结合该特征和一些常用特征，使用基于背景建模和支持向量机(Support VectorMachine，SVM)的运动目标识别系统对每一帧的目标进行分类。最终的结果表明，本文的算法能够有效的识别视频中的行人和车辆，对背景遮挡和背景扰动具有较强的鲁棒性。