图像序列中运动目标识别是计算机视觉和图像编码研究的一个重要课题，在计算机导航，智能监控系统，交通检测，医学图像处理以及视频图像压缩和传输等领域都有广泛的应用。　　 本文主要研究了一种新型的自组织模糊神经网络的理论，将其运用到图像识别系统中，通过实验证明其可行性和高效性，并最终实现了该图像识别系统。　　 本文研究的自组织模糊神经网络(Self-Constructing Fuzzy Neural Network, SCFNN)是一种基于改进Takagi-Sugeno-Kang模糊系统和规则的模糊模型，具有神经网络的学习能力。SCFNN的学习分为结构学习和参数学习，结构学习为网络提供模糊规则，参数学习更新了网络的连接权值和隶属的参数。为了证明SCFNN运用于图像识别的有效性，本文还使用了Microsoft Visual C++6.0和MATLAB6.5编程对SCFNN进行了仿真实验，并且将SCFNN的识别效果和其它神经网络相比较。实验证明将SCFNN运用到运动目标识别系统具有可行性和高效性。　　 在运动目标识别系统的开发过程中，首先提出了一种分组加权更新的背景生成算法，在此基础上通过图像差分的方法分离出图像中的运动物体区域，再使用八邻域法得到物体的轮廓，然后提取出物体轮廓的特征，最后将物体的特征向量输入训练完毕的SCFNN.系统能够识别出该物体的类型，达到了预期的效果。