随着计算机技术、数字图象处理技术的不断发展,智能视频监控已经成为计算机视觉领域的一个重要研究课题。运动目标分类是智能视频监控的重要组成部分,是目标行为分析与理解的基础。本文在准确地提取出视频中的运动目标后,提炼出几个有效的目标特征,实现人、汽车、自行车的准确分类。在运动目标检测方面,本文采用基于帧差法与减背景法相结合的目标检测算法检测目标,有助于较为完整地提取出运动目标,为运动目标的准确分类奠定基础;利用surendra背景更新算法解决了实验中出现的对运动目标提取的干扰因素:背景中静止目标移动以及前景运动目标长久停留在背景中的问题。在运动目标提取方面,本文采用基于类间最大方差法的动态阈值分割算法二值化前景图像,获得较为完整的运动目标像素;通过数学形态学滤波处理去除图像中的噪声,然后通过八连通域标识算法和目标碎片整理来分割得到完整的运动目标。在运动目标分类方面,本文对现有常用目标特征进行提炼,提出了基于长宽比、空隙率、空隙率变化量的静态特征和动态特征相结合的分类方法;并以DAG-SVM多类分类器作为分类器;针对人、汽车、自行车姿势的多样性,本文选取了包含各种目标姿势的训练样本和测试样本,用多类分类器对训练样本进行训练,并将测试样本输入到已经训练好的多类分类器中进行分类,得到最终的分类结果。本文选取的长宽比、空隙率的变化量特征对空洞有一定的鲁棒性,在出现无法解决的空洞问题的情况下,仍然能够较为准确地实现目标分类。实验表明,本文的方法能够实现对所选择的运动目标进行准确分类,并且获得良好的分类的准确率。