图像目标识别与跟踪技术是当今计算机视觉系统中十分活跃的研究领域之一，在日常生活，工业生产，智能交通，军事国防等很多领域都发挥着非常广泛和重要的作用。其研究过程中运动目标的识别是目标跟踪的前提和保证。通常情况下，目标的背景环境十分复杂，因此对目标识别算法的识别准确性提出了较高要求。　　 本文研究了复杂背景下的目标识别技术，主要包括图像预处理，运动目标检测和跟踪算法的研究。首先对所采集到的图像进行灰度化，边缘检测，中值滤波等预处理方法，在不影响图像后续检测的前提下将图像优化并减少数据量以利于后续识别处理。其次，针对视频采集器采集到多帧图像进行运动目标的检测。分析了帧间差分法，背景差分法和光流法的理论原理，并分别对各种方法进行仿真实验研究，比较了各种方法的检测性能。根据所提取的模板，对运动目标进行识别与跟踪研究。灰度差绝对值平均算法对目标的旋转不具有不变性，容易造成目标丢失，将跟踪模板改为圆形，利用圆形模板的旋转不变性，有效地解决目标发生旋转的情况，为了提高识别精度，在匹配准则中增加微分匹配信息。在对运动目标图像仿真实验对比结果中，圆形模板匹配算法明显优于传统匹配算法。最后提出了一种基于兴趣点检测的目标识别算法，该方法根据检测出的兴趣点，结合势函数理论，在对运动目标图像仿真实验中达到了对单目标发生平移、旋转、缩小等情况的检测效果。