运动目标检测和识别方法是现代智能视频监控系统中基础与关键,它融合了图像处理、模式识别、人工智能等众多领域的先进技术,是计算机视觉技术的一个研究热点。因此,研究运动目标检测和识别算法具有重要的意义。由于目标场景存在动态变化,光照突变,目标遮挡问题等,目前还没有一个算法能够同时满足准确性高,实时性好的要求并适应用于所有场景下的运动目标检测与识别。本文在探讨与分析了主流的运动目标检测方法的优缺点后,深入研究了一种视觉背景提取的运动目标检测算法,针对其存在鬼影消除难,光照突变适应缓慢等缺点,结合W4算法和均值建模思想,提出了一种改进的运动目标检测新方法;为了进一步对检测出运动目标进行识别,本文又利用SVM对HOG特征训练构建分类器的方法与运动目标检测算法相结合,设计了一套运动目标检测与识别一体化的算法,实现了对行人和车辆的快速识别;在针对处理分辨率较大的视频图像速率变缓的问题上,添加了压缩算法对其进行压缩处理以提升算法速率,并在实验中验证了算法的有效性和实时性。新改进的识别算法应用到有轨电车交叉道口的智能视频监控分析系统中,可实现对行人和车辆等目标物体的准确快速识别。