视频监控系统中运动目标检测和识别是计算机视觉应用中一个重要的研究课题，多运动目标检测和识别更是目前研究的热点。视频监控系统的目的是对监控场景中的目标进行异常行为检测和分析，因此，多运动目标检测和人体姿态识别的研究有着十分重要的意义，本文提出了一种多运动目标检测和人体简单姿态识别的方法。　　运动目标检测算法多种多样，不同的方法适用于不同的环境中。常用的三种方法是背景减除法、帧间差分法和光流法，这三种方法有各自的优缺点。背景减除法能准确的检测到运动目标，但它对环境的突变或光线的变化比较敏感。帧间差分法虽然算法简单，检测速度快，但在检测过程中如果目标的运动速度变化比较快时会使目标检测出现空洞或漏检。光流场法虽然对被检测的环境、光线和目标的运动速度要求不高，但此方法的计算量非常大，要在特定的硬件系统支持下才能使用。针对上述算法的优缺点，本文融合了背景减除法和帧间差分法对视频中的多运动目标进行检测，使检测达到稳、准、快的效果。　　目标识别是视频监控系统的高级处理，是视频监控系统中行为模式分析的基础，而人体姿态识别是相对简单的识别过程。本文对视频环境中人站立、弯曲、躺下三种姿态的识别方法进行研究，其识别主要分为三个步骤:(1)建立人体姿态模型;(2)人体特征提取;(3)对人体姿态进行识别。本文利用Mean Shift算法提取人的轮廓图像，通过轮廓图像特征建立人体姿态模型，然后利用分层识别器对人体姿态进行识别。