运动目标跟踪与识别技术是视频图像处理中的关键技术,该技术融合了图像识别、人工智能、图像处理等多门学科,在智能交通管理、安保系统以及智能模拟系统中具有广泛的应用。本文在对运动目标跟踪和识别算法研究的基础上,提出了相应的改进算法,并通过实验验证提出算法的有效性和准确性。本文主要工作如下:首先,在运动目标跟踪方面,重点研究了基于背景加权直方图的均值漂移目标跟踪(Corrected Background Weighted Histogram,CBWH)算法,当跟踪目标的速度发生变化时,该算法可能会出现跟踪失效的情况,针对这个问题,本文提出了一种改进的CBWH算法,即是对运动目标进行两次迭代运算,第一次用均值漂移算法进行迭代,计算相似系数,第二次用12--iicentercenter作为中心迭代,计算相似系数,比较两个相似系数,选择较大的相似系数的中心作为候选目标的中心,并进行跟踪。通过对不同场景的实验表明,本文算法较原算法有更好的准确性。其次,在目标识别方面,本文着重研究了基于词袋模型的目标识别方法,通过大量实验发现目标识别的准确率与尺度不变特征转换(Scale Invariant Feature Transform,SIFT)算法中的邻域子块的宽度和词汇量有关,通过对这两个关键参数采用5折交叉验证的方法,从而得到这两个关键参数的最优组合,并将二者的最优组合应用到后续的识别中。实验结果表明,当两者达到最优组合时,本文算法在识别率上要优于传统的词袋模型算法。