本课题主要是针对交通场景下智能视频监视系统中的关键技术之一——运动目标识别技术进行了研究。目前的智能交通系统(ITS)主要是针对车辆的检测和识别,往往对行人、自行车/摩托车不加考虑,或对行人、自行车/摩托车的识别研究很少。车辆、摩托车/自行车、行人的识别分类是一个复杂的过程,传统的模板匹配识别方法计算量大,很难满足实时有效的监控要求。为了解决这一问题,我们提出了一种综合动态模板匹配算法和场景上下文信息进行运动目标识别的策略,并且可做成一个独立的模块嵌入到视频监控系统中。动态模板由一组动态Haar特征(即动态基)的线性组合来描述,这些动态模板按照字典形式存放。其中,每个动态基允许在不同的位置和方向发生轻微的偏移。对每类物体的几个主要视角上的图像,我们选择少量正样本图像作为训练样本集,学习得到每一个同一类别与视角的模板,其中,样本图像都是大致对齐的。通过这些模板对从背景中分离出来的移动前景进行识别,寻找最大的匹配似然值。为了避免大量的模板搜索和减少噪音干扰,我们提出的方法是根据场景几何信息估计出目标的大小和形态,并根据跟踪信息降低虚警率和误报率。结果表明,该方法是比较实用的,能满足实时视频监控系统的要求。本文分别对交通场景中的三类物体,行人、轿车和自行车/摩托车,分别在不同场景中进行检测实验,并将使用我们提出的方案得到的检测结果与Adaboost方法对应的检测结果进行了比较。比较结果充分显示了在动态模板匹配的基础上结合场景信息的方法在运动目标检测性能上的优势。