基于视频图像的运动人体识别与跟踪技术是智能监控、智能交通系统等应用的基础。主要包括三个重要步骤：(1)运动目标检测；(2)人体目标识别：(3)运动人体目标跟踪。针对传统运动目标检测算法不能完整提取运动目标区域的问题,本文提出结合时空背景差分和闭合轮廓拟合的运动目标检测算法。利用背景差分法获取运动目标区域,利用图像形态学处理方法得到膨胀后的目标区域,根据加权多方向高斯滤波方法在彩色图像上对目标区域进行边缘提取。提出2bit区域选择法及类间最小距离准则构造目标闭合轮廓,最后通过基于空间距离大小的连续边缘搜索方法获得完整人体目标区域及区域中心位置。基于分类器的人体识别方法需要大量正负样本,且需要选择合适的特征,训练时间较长,针对这些问题,本文提出了基于可变形头肩椭圆模板级联匹配方法进行运动人体目标识别。构造人体头部及肩部的椭圆模板,以参数形式表示,以待识别图像的头部区域起始坐标作为模板滑动起始位置,设定椭圆模板的长轴与短轴比例,根据头部、肩部轮廓特征实时改变模板尺寸。匹配时将模板和待识别图像梯度直方图间的欧式距离,设置阂值进行识别,对于肩部则只考虑与椭圆模板的上半部分的匹配。在跟踪领域Mean shift算法比较常见,但是它容易受到收敛速度的影响,在目标被遮挡下会失效,针对这一问题本文提出基于动态分类概率模型的人体跟踪算法。跟踪算法以模板匹配得到的人体头肩部位为初始跟踪目标,结合人体头肩分类器,利用极大似然度逐帧计算目标在下一帧8个邻近位置处的预测概率。根据每帧最大预测概率值输出一组状态序列。此序列包含了目标运动方向轨迹信息,预测了目标的运动方向及在下一帧中的中心位置,逐帧计算的方法增加了预测的准确性。本文在Matlab7.11平台下实现了基于视频图像的单目标及多目标识别和跟踪系统,该系统包含视频加载模块、目标检测模块、目标识别及跟踪模块。实验结果表明,本系统能够精确地对视频图像中的单人体目标、多人体目标进行检测、识别和跟踪,提高了识别的精度和跟踪的准确度。