智能视频监视系统具有广泛的应用前景，是保证现代社会公共安全的重要高科技手段与技术。传统的监视报警系统不具备自动识别能力，没法实现无人值守的目的与要求。本文针对传统监视报警系统的不足，对智能视频监视系统中的关键技术—图像处理与识别技术进行了研究。完成的主要研究工作如下： (1)运动目标检测方法研究 针对户外监视复杂背景下运动目标难以提取的问题，提出了基于彩色图像差值模型、自适应阈值分割和图像形态学等技术的运动目标检测方法，并对图像平滑、增强、边缘检测等方法进行了分析、比较研究。实现了户外场景中运动目标的有效检测与提取。 (2)运动目标影子去除方法研究 日照产生的物体阴影会使图像分割后，目标区域中含有多余的阴影区域，从而导致目标识别的失败。针对该问题，本文在前人研究的基础上，提出了基于直方图技术和聚类技术的多目标影子判别与去除方法。并对常用的C一均值聚类方法和模糊聚类方法进行了分析比较。实验表明，本文提出的多目标影子判别与去除方法能够快速有效地去除运动目标的影子。 (3)运动目标识别方法研究 目标的运动会造成提取的目标区域的形状等特征发生变化，这给目标的正确识别带来了困难。针对目标识别的问题，本文提出了两种识别途径：即基于运动目标整体形状的BP神经网络识别方法和基于运动目标头肩区域特征的遗传神经网络识别方法。前一种方法是在去除目标影子的前提下，提取运动目标整体形状的不变矩特征，然后利用BP人工神经网络进行目标的识别。后一种方法是不需要去除目标影子，直接提取相对稳定的目标头肩区域的形状不变矩特征，然后利用遗传神经网络实现目标的识别，因为简化了特征提取过程且不需要进行影子的判别与去除运算，所以可快速、准确地实现运动目标的识别。