随着网络、通信和微电子技术的飞速发展,一些特定功能的视觉分析系统以其直观、方便和内容丰富等特点,日益受到人们的亲睐,其中交通监控领域应用最为广泛。然而,全天候监控捕获的大量视频信息,若采用人工搜索方法来寻找目标,不仅低效,由人为因素造成的失误亦是难以避免。因此,人们希望计算机能具有类似人类视觉系统的能力,可以分析、理解图像或视频的内容,以实现视频分析系统的智能化、实用化,视频分析技术应运而生。视频分析技术主要是处理包含各种运动目标的视频序列,从场景中检测、跟踪、分类识别目标,并对其行为进行理解和描述。其中,目标分类是基于视频的运动分析课题中的一个重要方面,其研究内容是在运动检测和跟踪的基础上,依据提取的运动目标区域形状特征和运动属性,对运动目标区域进行语义上的分类。目标分类技术研究对更高层次的视频理解技术的发展有重要意义。目前国外研究机构和国内高校在目标分类技术上取得了一定进展,但仍存在一些应用上的限制和不足,其中目标分类的视点依赖性问题是影响分类稳定性的主要因素。所谓视点依赖性是指目标的2D特征在投影到图像平面时发生了透视形变,从而导致其无法准确的用于分类。本文围绕运动目标分类及其在交通视频目标检索中的应用这一课题,重点阐述分类过程中视点依赖性问题的解决方法,并对各类相关技术进行了研究,具有重要的理论意义和实际价值。本文的工作主要分以下几个部分:(1)介绍目标分类领域基础理论及相关研究,包括目标的特征表达、目标分类方法、运动目标检测与跟踪以及场景知识在目标分类中的作用。(2)提出了一种基于kalman预估模型和最大化后验概率匹配的粘连目标跟踪方法,实现了目标相互遮挡时连续稳定跟踪。(3)针对目标分类中遇到的视点依赖性问题,介绍当前具有代表性的三种目标2D特征透视变形的矫正方法,并提出了基于地平面矫正的目标2D特征恢复算法。在标准化后特征的基础上,采用多类支持向量机实现视点无关运动目标分类。(4)研究基于目标特征和语义类别的运动目标检索方法,对目标特征数据组织形式、目标检索方式、查询结果显示方式等进行了探讨;(5)本文搭建了基于Visual C++平台和OpenCV图像处理库的实验环境,利用程序验证了提出了的各类算法,实验证明本文算法实现了不同视点下运动目标的准确分类。