本论文研究的主要内容为视频序列运动目标的检测、分割和识别。作为一个有着广泛应用背景的研究领域，视频序列分析通常具有很强的任务依赖性。在实际中，往往是针对不同的应用假设，选用不同的算法。面对这种研究现状，本文试图在前人工作的基础上，通过对运动目标检测、分割和识别算法的分类研究，探索各种不同算法内在的一致性，并期望在此基础上增强对算法的理解以及对某些问题的求解提出改进。 在对静止背景情况充分研究的基础上，本文着重分析了基于光流估计的运动背景目标检测和分割方法，并对光流估计精度不高时的目标检测和分割提出改进方案。此外，本文还对光照变化补偿和摄像机抖动去除等实际问题进行了深入探讨。最后，针对自动算法的局限性，作者提出一种基于视频序列时空域三维分割的交互式目标检测和分割方法。实验表明，该方法能够在较大程度上弥补自动算法的不足，提高结果精度。 在运动目标识别方面，本文从分析视频运动目标特征的时变性特点入手，讨论了视频运动目标与静止图像目标识别的相同和差异之处，重点研究了复杂三维运动目标的识别问题，提出基于多视角采样的运动目标识别思路。实验结果表明，该方法对复杂三维运动目标具有较高的识别能力。 在对视频目标检测、分割和识别算法充分研究的基础上，本文接下来讨论了面向此类应用的系统原型设计，并基于XML框架设计了一种视频目标检测、分割与识别结果的结构化表示方法。