随着计算机技术和图像处理技术的发展,目标识别与跟踪已经成为计算机视觉、模式识别和人工智能等学科的重要研究课题。目标识别与跟踪在军事、视频监控、智能交通和医学等方面具有广泛的应用。本文重点研究视频监控系统中的运动目标识别与跟踪技术,该课题的研究目的在于通过对摄像机采集的图像序列的分析处理,智能提取视频中运动目标的大小、方位、颜色等信息,实现对目标连续跟踪,为更高层次的行为理解分析提供依据。本文主要研究运动目标检测和目标跟踪算法,采用贝叶斯估计与粒子滤波理论,研究适用于非线性非高斯环境下的粒子滤波技术中存在的主要问题和解决方案,提出基于改进粒子滤波技术的目标跟踪算法。运动目标检测算法包括：帧间差分法、背景差分法和光流法,对于背景差分法,研究的主要方向是建立鲁棒、精确的背景模型。本文采用高斯混合背景模型,利用背景差分法对运动目标进行精确检测,实验结果证明该方法有效去除前景目标阴影和光照对检测造成的影响。本文研究了目标跟踪算法、贝叶斯理论和粒子滤波技术。为了实现对运动目标的跟踪,将目标分为多个区域。由于单一特征可能存在遮挡时无法识别的缺点,本文采用多特征融合粒子滤波跟踪算法对每个区域进行跟踪。实验结果表明该方法对目标遮挡和光照变化具有鲁棒性,能够适应复杂的应用环境。