由于监控环境的复杂性和不可预测性,采用现有的运动目标检测算法仍存在误检测,会对目标跟踪和识别产生影响；同时,基于步态特征的身份识别算法相比指纹、虹膜等具有远距离、非接触的特点,但目前的步态特征身份识别算法还存在识别率不高等问题。为了满足监控系统更高要求,本文在以下三个方面进行了深入研究：(一)针对偏差均值混合高斯模型中只对单个像素独立处理和偏差陷入偏小而容易造成误检测,利用像素之间相关性的特点,对不匹配的像素点利用邻域相关性进一步进行匹配判断；阂值根据不同时刻图像像素值的范围而自动调节。实验结果表明改进后的算法能够有效抵抗噪声,减少背景像素误判断,提高前景目标的检测效果。(二)研究了几何矩、复数矩和正交矩的性质,得道了不同矩的不变性特征函数,利用该函数提取原图像和儿何变换后图像的不变性特征,分析得出不同特征函数对图像的描述能力、抗噪性及信息冗余度。(三)为了有效地提高步态识别算法的识别率,提出了一种新的基于Radon变换和解析Fourier-Mellin变换的步态识别算法。该算法将原图像的旋转变化和尺度变化分别转化为相位变化和幅度变化,之后通过定义旋转与尺度不变函数提取目标图像的不变性特征进行分类识别。由于不需要对目标图像二值化和归一化,从而可以保留图像的更多细节信息,避免了重采样与重量化误差。实验结果表明,该算法应用于步态识别有更高的识别率,可以达到更好的识别效果。本文的研究内容较好地解决了运动目标误检测,有效地提高了步态特征的识别率,对于视频监控系统中的目标检测和身份识别有一定的应用价值和指导意义。