视频运动目标的识别是一个结合目标特征提取及基于目标特征匹配的计算机视觉问题。运动目标是监控视频的核心要素,而正确地选取具有标识性的特征对于目标的识别来说是至关重要的。在以往的研究中,人们习惯于使用目标的颜色、形状、角点等特征来对目标进行描述。但是对于同一种类的目标,比如车辆,它们的颜色、形状、角点等特征往往是相似的,并不具有良好的区分性。在我们的研究中,我们使用目标上的印迹特征作为关键特征来进行描述,并将其运用到目标的识别工作中去。相比于其他的特征,印迹特征具有标识性强、无二义性且易于提取等特点,非常适合用于目标识别及检索的工作。本文的主要工作有以下四点:1.本文进行了视频场景中运动目标的提取及目标前景中阴影区域的去除操作。在使用基于混合高斯模型的背景减除法对视频进行前景与背景的分割后,我们可以得到包括阴影区域在内的目标前景块。我们使用阴影区域与目标前景在HSV颜色空间中H,S,V三个通道上的特征差别,通过设定标准及阈值来对阴影区域进行消除。2.在得到的目标前景块中,本文对包含印迹特征的区域进行了检测与提取。不同的待识别目标有着不同的操作方法。在文章中,我们以车辆为目标,叙述了车牌区域检测的操作流程。车牌区域的检测主要包括使用边缘特征来选择多个可能的候选车牌位置,并使用水漫操作来确定最终完整的车牌区域。3.本文提出了基于累计梯度计算法的一种新的梯度计算公式,并将这种梯度计算公式加入到笔划宽度变换(Stroke Width Transform)中去,用于印迹笔划的提取。对于复杂的印迹笔划,本文提出了使用基于马尔科夫随机场模型+置信传播的图像分割算法来进行印迹的提取。从而得到完整的,少噪声的印迹图案。4.本文提出了基于印迹分割的二次采样策略,并将其运用到距离集合(Distance Sets)描述子中。使用该描述子来进行印迹的描述,可以有效地规避印迹图像中的噪声点,实现对噪声鲁棒的目的。同时,本文通过印迹描述子之间的非相似性来进行目标的匹配与识别操作。最后我们通过实验来评估我们的印迹提取算法以及描述子算法的有效性,并得到了优于其他常用算法的结论。