作为计算机视觉领域的重要应用，智能视频监控技术在军事、交通、家庭等各领域都拥有十分广泛的应用。尤其随着世界经济的发展和人均车辆保有量的增加，智能视频监控技术在交通领域吸引的关注越来越多。运动目标的检测与识别，作为搭建智能交通监控系统的基础，虽然目前已经提出了许多有效的算法，但由于实际应用中诸多因素的干扰(如天气光照的变化、阴影的遮挡、背景的变化等)，使得提出鲁棒性更强的目标检测与识别算法具有重要的意义。本文在现有视频监控中有关运动目标检测的经典算法基础之上，重点研究了固定场景下基于背景差分的运动目标的检测与识别技术，以改善算法的实时性和鲁棒性，所做的工作内容有如下几方面：1.运动目标的提取方面，考虑平均法和混合高斯背景建模法的计算量大，实时性差的特点，而采用码书法进行背景建模，对于码书法只适用于周期性变化的背景，不能适应全局性突变的特点，本文提出了利用图像的平均灰度值对传统的编码法进行改进，建立多个编码本以实现运动目标的提取。2.由于提取出的运动目标，常包含有阴影，影响检测的效果，本文提出了一种两级的阴影检测方法，以实现对运动目标区域内阴影的去除。该方法首先利用阴影的亮度属性进行阴影的粗检测，然后对统一模式下的LBP纹理进行改进，实现阴影的近一步检测。3.运动目标的识别方面，考虑到实时性的应用要求，本文利用基于几何特征的运动目标描述方法，主要提取目标区域的面积、分散度和移动速度三个特征，输入支持向量机，以实现运动目标的分类。实验证明，本文提出的方法具有较好的效果和较快的速率。