运动目标分类是视频智能分析中非常重要的一部分,随着我国安全问题日益突出,智能视频监控已经逐渐成为保障安全的重要技术手段,研究如何从大量的监控视频中获取有价值的信息已成为必然。本文以固定摄像头下的监控视频为研究单元,以视频运动目标检测和跟踪为研究基础,通过对监控视频进行一系列的处理,获取监控视频中运动目标的类别信息,为监控视频的事件分析和行为理解提供技术基础。本文首先建立了运动目标分类的技术框架,在此基础上重点研究了运动目标特征的提取和描述、运动目标分类方法选取等关键技术,并对本文的技术框架进行实验分析和验证。论文的主要贡献体现在以下几个方面：一、提出了运动目标分类的技术体系。本文将运动目标分类按照过程划分为运动目标检测和跟踪、运动目标特征提取、运动目标描述、运动目标分类四个层次,提出了一种基于局部特征和纹理特征的运动目标分类体系,该体系遵循一般的运动目标分类流程。按照从视频底层语义到高层语义的顺序展开,所获取到的视频目标中层语义可以建立视频底层特征和高层语义描述联系,方便下一步监控视频的事件分析和行为理解。二、提出了一种基于均匀旋转不变局部二值模式纹理特征的目标描述算法。为克服形状特征在目标描述中的缺点,提出基于均匀旋转不变局部二值模式的目标描述算法,很好的克服目标形变、旋转、角度、尺度变化带来的影响。三、提出了一种基于词袋模型的局部特征目标描述算法。首先提取目标区域所有的局部特征描述子,然后利用词袋模型将目标区域多维特征矩阵转化为特征矢量,既保证了分类的准确度,又提高了分类的效率。四、对运动目标分类的相关方法进行选取。运动目标分类方法是运动目标分类研究中一个重要组成部分,运动目标分类方法主要包括基于单核的SVM方法和基于KNN的目标分类方法,通过对比分析获取最佳分类器模型,选取基于SVM多分类器对目标进行分类。五、实验验证本文提出目标描述的方法和运动目标分类方法的有效性,为后续研究应用开展提供了基础。