基于视频的运动目标实时跟踪和识别是计算机视觉和人工智能研究领域的关键技术，在智能监控、军事领域等安全类应用和智能交通、手势识别、人脸识别等非安全类应用中都有广泛的应用。准确提取运动目标是视频监控的关键，物体的识别是智能视频监控的目的。因此，对基于视频的运动目标实时跟踪和识别的研究有很大的理论意义和实际应用价值。基于视频的运动目标实时跟踪和识别，首先从场景中获取运动目标，然后对检测到的运动目标实时跟踪和识别。在运动目标提取的过程中，因为阴影与运动目标有相同的运动规律，所以常作为运动目标的一部分被检测出来。为了消除阴影对物体识别的影响，对阴影的消除算法进行了研究。运动目标的识别分为物体大小识别和同一物体不同状态形状的识别。物体大小识别包括物体距离摄像头的距离、物体的尺寸。同一物体的不同状态识别，以人手为研究对象，实现不同数字手势的识别。在数字手势识别的基础上实现了猜拳小游戏。主要内容如下：1、阴影消除算法的研究。提出了一种改进的基于多颜色空间的阴影消除算法，该算法根据视频中像素点被阴影覆盖和未被阴影覆盖时色调的近似一致性和亮度值成线性关系的特性，利用多颜色空间中组成颜色的各颜色分量值在该颜色中所占的比例和亮度的相对变化率消除阴影。实验表明，该算法与用(r, g, I)颜色空间去除阴影算法相比阴影去除效果好，并且能有效弥补运动目标空洞的现象，是对运动目标检测算法的补充。2、基于距离图像的单目测距。物体的大小识别，需要测量运动目标到摄像头的实际距离、物体的尺寸。一般情况下监控区域中摄像头是固定的，相应的监控区域的场景也不会发生变化。根据这个已知条件和梅涅劳斯定理，利用小孔成像的原理，建立距离函数，计算监控区域中所有的点到摄像头的距离得到该监控区域的距离图像。反之，通过该距离图像可以得到监控区域中的点到摄像头的距离。实验表明，该测距方法测得的运动目标到摄像头的距离相对误差不大于3%。3、物体的识别。物体的识别分为物体大小识别和同一物体不同状态形状的识别。物体大小识别，利用距离图像和单目测距实现运动目标到摄像头的距离测量和运动目标尺寸的测量。实验表明，该测距方法测得的运动目标自身高度相对误差不大于5%。同一物体的不同状态形状的识别，根据使用的视频采集设备的不同和手势提取、识别算法的不同，实现了两种数字手势的识别方法。一种是基于肤色分割的数字手势模板匹配算法，利用该方法可以识别1~10这10种数字手势；另一种是基于体感设备Kinect和OpenNI的数字手势逻辑判别方法，利用该方法可以识别出0~5这6种数字手势。在基于肤色分割的数字手势模板匹配算法实现的数字手势识别的基础上，实现了人与电脑对决的猜拳游戏，根据游戏规则的不同又分为传统方式的猜拳游戏和电脑控制游戏规则的猜拳游戏。目前只是对基于视频的单个运动目标进行跟踪，识别出运动目标的到摄像头的距离，运动目标的实际尺寸，单个物体在不同状态下的识别，对于多个物体的识别还需要进一步的研究。在识别率上还需要进一步提高识别精度。