复杂背景视频序列中微动目标的特征提取与分类算法研究，在运动目标的检测与提取的研究领域中，有着十分重要的地位。在对该领域的研究中，已有的算法大多是基于运动特征或能量等对前后帧存在关联关系的视频进行研究，而对微动目标的分割与提取的相关算法研究较少，本文将研究微动目标的分割与提取算法，具有重要的理论意义和应用价值。　　 本文研究复杂背景视频中目标检测的相关技术:复杂背景视频中的目标特征提取技术和目标特征分类技术，以及基于这些技术下的系统验证和性能分析，主要工作包括:　　 ①本文对基于复杂视频背景中的目标检测的特征提取与分类算法下的目标检测与分割提取算法的国内外研究现状进行阐述，描述特征提取与分类算法的一些理论概念和原理，并进行分析总结。　　 ②本文对特征的提取算法进行深入研究，对基于边缘特征和基于SURF算法的图像特征提取技术分别进行研究和分析，并总结两种算法性能，提出适合本文研究需要的基于边缘特征的目标提取算法。　　 ③本文对特征的分类算法进行深入的研究，对基于K-means算法和Adaboost算法进行原理分析和算法的流程设计，根据算法的特性，提出基于K-means和Adaboost算法的特征分类算法，使得既能满足处理时间效率的要求又能够防止闭合区域等孔洞现象，达到性能效果上的可行性。　　 ④本文对多线程下复杂背景视频中目标检测与提取系统进行了研究和设计，使得在时间处理上能够得到有效提高，同时能够满足并发要求。最终设计并要实现复杂视频背景中微动目标的检测与提取系统，该系统能够实时的采集视频序列，进行处理并输出效果，也能够针对某一视频或图片进行处理，最终以替换背景方式显示，达到目标的提取和分割目的。　　 最后，对研究工作进行了总结，并指出后续的研究方向，为进一步的实验研究开拓了思路。