视觉动态识别监控技术是现代IT技术中的一类重要应用领域。视觉动态识别监控技术不仅仅在社会日常生活和工作中有着非常广泛的应用前景，在能源，国防，交通等领域也正在发挥着曰益重要的作用。此外，智能视觉动态识别监控技术中的核心技术是运动目标的检测、提取和识别，这也是目前正在热门研究的视频压缩和传输中的关键技术之一。 本课题以仓库、家庭、实验室等场景智能安全视觉监控问题为背景，主要考虑存在干扰的室内背景、固定摄像机、固定焦距条件下，对人员非正常情况下闯入的监视，以求实现这些监视工作的自动化，智能化。本课题设计了一套视频运动检测与识别算法，重点研究了运动检测、运动目标的分割和运动特征提取、运动目标的识别三部分。在运动检测中，本课题考虑室内监控的各种干扰因素，提出一种基于多分布模型的自适应背景差分算法，根据算法建立运动变化检测模型，可以在视频序列中有效检测运动变化区域；在运动目标分割和运动特征提取中，将运动检测和彩色分割通过投影运算结合起来，得到有精确边缘的运动目标，在图像空域分割中还提出了一种顺序区域生长法，可在一次性图像扫描过程中实现像素连通判别和特征参数提取；在有效的提取特征参数后，根据具体的应用环境，提出一种模糊判决算法，依据运动物体的面积和运动物体的运动距离等特征参数，对目标进行识别报警判断，捕获并存储异常现象，最后发出报警信号。可以有效的节省了人力，提高了异常情况捕获的准确性。对于上述各个算法，本文进行了模拟实验，结果表明，综合运用本文中提出的视频处理和识别方法，可以正确检测和识别视频序列中的运动目标。