智能交通系统（ITS）是未来交通系统的发展方向，具有极其重要的科学意义和广阔的应用前景，这一领域的研究核心是基于视频的运动目标检测、跟踪和识别。它融合了先进的计算机技术、图像处理、机器视觉、人工智能和模式识别等多个领域的高技术课题，从而建立的一种实时、准确、高效的综合管理系统。本文介绍了视频序列图像中运动目标的检测、跟踪与识别的基本理论和关键技术，重点研究了实时跟踪与基于支持向量机的交通视频运动目标的识别。在运动目标检测方面，首先对目前常用的三大检测方法（即背景差分、帧间差分、光流场法）进行了介绍和归纳，给出了相应的实验结果，并分析了各自的优缺点。然后对基于自适应背景建模的目标检测方法做了简要的概述。为了较准确地提取运动目标，在实验后期进行了中值滤波、数学形态学处理等操作。在目标跟踪方面，提出了CamShift算法和Kalman滤波器相结合的方法。首先根据OpenCV提供的函数类库、数据结构和一些基本的框架，从而搭建一个运动目标跟踪系统，该系统包括以下模块：图像帧预处理模块、运动目标的前景检测模块及运动目标的跟踪模块，实验的跟踪效果比较理想。最后在目标的识别方面，首先对支持向量机（Support Vector Machine, SVM）图像处理的方法进行了研究。综合分析了运动目标的形状特征、面积特征和矩特征，将提出的特征向量通过SVM的离线训练，得到分类器，然后将测试样本的特征数据作为测试集，并将其应用于人与车、车与车之间的分类识别中。仿真实验结果表明了所给方法的可行性及有效性。