视频图像目标检测与识别作为计算机视觉领域的重要部分,在最近一些年已经受到了人们的普遍重视,并且已有较为广泛的应用。本文对运动目标检测以及行人识别的算法进行了比较详细深入的研究,在此基础上提出了一种更准确的运动目标检测方法,并且对于目前行人识别领域最常用的HOG描述符给出了一种优化方法。首先,本文总结了国内外视频图像目标检测与识别领域的发展现状,对现有的一些通用的,经典的目标检测和行人识别算法、流程进行了研究和总结。其次,本文描述了在研究中提出的运动目标检测算法。该算法以混合高斯模型为基础,先是综合了背景差分法和帧间差法去除部分图像噪声,而后采用边缘高斯模型建模方法减少光照变化影响,最后结合形态学方法综合处理,得到了一种在复杂噪声或光照突变情况下依然能够对运动目标进行较为准确检测的检测算法。然后,本文对HOG行人识别算法进行了深入研究。通过分析HOG描述符的内在特点,对描述符进行选择性降维处理,从而有效降低分类器训练以及判断的时间。之后,通过实验,验证了这种改进方法的准确性和速度优势。最后,本文将运动目标检测部分的算法进行优化,完成了向DSP上的移植。