随着社会经济的快速发展和现代科技的巨大进步,智能监控系统也迎来了其快速发展的新契机,现如今它已被广泛的应用于公共安全、交通、军事等众多领域。但是,现阶段的智能监控系统仍然存在许多关键技术问题需要解决,比如遮挡问题、实时性问题等,特别是在交通拥挤或人流高峰情况下,遮挡问题变得更加复杂,使得多个目标的检测、识别和跟踪变得更加难以实现,这无疑大大增加了系统对高性能处理算法的需求。传统的单摄像机监控系统视角单一,对车辆的识别率低,若遇遮挡问题,则难以或无法进行识别。针对上述问题,本文采用以下几种方法展开研究：首先,针对混合高斯模型(GMM)对噪声敏感,更新率低的问题,提出了一种将支持向量机(SVM)与混合高斯相结合的方法来进行背景建模。本方法先通过混合高斯模型初步建立背景模型,然后通过一个模板窗口对当前帧、前一帧以及由GMM获取的背景图像进行扫描并计算对应窗口内的统计特征,并利用SVM对前景背景进行分割,最后,融合两者分割结果得出最终检测结果。本方法能够很好地降低噪声的影响；其次,采用了基于运动目标提取的车辆识别方法,本方法先用背景减法提取出运动目标区域,然后利用基于特征融合SVM分类器对检出区域进行识别。本方法大大减少了被检测区域,减少车辆识别的时间,同时减少了背景干扰,提高了系统实时性；最后,针对遮挡问题,采用了基于匹配的多摄像机协同的运动车辆识别方法。首先每个摄像机独立的进行运动车辆的检测和识别,然后运用区域匹配方法和D_S证据理论将同一目标在不同摄像机下的识别结果进行融合,作出最优决策。本文方法提高了系统整体的识别率。