移动目标的检测一直是计算机视觉领域的研究热点之一,在安防、军事、导航、监控、科学研究等领域有着广泛的应用。随着计算机技术的发展与国家互联网+战略的实施,视频检测与计算机视觉算法会有越来越多的用途,其中移动目标的行为识别是很重要的一个分支。本文以大鼠机器人视频为研究对象,对视频中大鼠的前景提取与基于移动轨迹的行为识别两个问题进行了相关的研究和探讨。对于目标识别,采用了Vibe背景建模与前景检测算法,相比普通的背景差分,成功提高了大鼠机器人前景检测的准确性；而对于行为识别问题,提出了基于模拟退火策略的轨迹点去噪算法,并提取了轨迹的曲率序列特征,在此基础上提出了基于曲率序列特征与概率方法相结合的行为识别方法。具体而言,主要包括以下内容：1) 使用Vibe算法准确而高效的将大鼠视频进行前景与背景的分离,大大提升了大鼠机器人前景二值图的质量,并能有效的适应光照变化、摄像头抖动等噪声的影响。2) 通过分析大鼠机器人前景图,提取出视频每帧中大鼠的中心点,并利用模拟退火算法提取出路径轨迹的主干点。如果需要重现轨迹,可以利用B样条插值算法对轨迹进行拟合。这大大节省了视频轨迹数据的存储空间,并消除了绝大部分抖动噪声的影响,使轨迹数据的可用性更强。3) 根据大鼠运动轨迹及其时序性,提出了自适应地图分块算法,之后在此基础上提出了基于马尔可夫链的行为识别模型并取得了不错的效果。最后我们提出了大鼠运动轨迹的曲率序列特征并结合SVM分类器极大改善了概率分类器的性能,使大鼠行为识别的准确率整体上有了较大的提升。