复杂场景中的目标检测识别算法研究是智能监控系统研究的重点,目前运动目标检测识别技术仍然存在一些问题,如对光照变化敏感、受目标遮挡影响以及拥挤情况下目标检测率低等。本文采用了一种基于3D轨迹分析的目标检测识别算法,该算法的基本思想是检测-跟踪-识别。根据双目立体视觉原理,对双目相机进行双目标定,获取相机内外参数并得到深度图,根据深度图中目标高度与深度的对应关系,在深度图中采用寻找局部深度最大的方法,提取目标头部区域,实现对疑似目标的初步检测。利用卡尔曼滤波器对目标匹配搜索范围进行预测,采用多特征加权的匹配准则进行目标匹配,实现对疑似目标的稳定跟踪,得到其图像上的二维轨迹。通过对相机进行三维标定,将疑似目标的图像二维轨迹转换为世界坐标系下的三维轨迹,采用了三种不同的3D轨迹分析方法实现对目标的识别:基于检测面的3D轨迹分析与目标识别算法、基于朴素贝叶斯分类的3D轨迹分析与目标识别算法和基于AdaBoost分类的3D轨迹分析与目标识别算法。在实际应用场景下,对本文中三种3D轨迹分析与目标识别算法进行了测试。实验结果表明,三种方法均满足实时性要求,在存在光照变化、目标遮挡以及拥挤的情况下,基于检测面的方法精度为91.4%,基于朴素贝叶斯分类的方法精度为94.84%,基于AdaBoost分类的方法对目标的识别精度最高,精度可达到96.93%。