复杂场景下目标检测和分类成为视频处理分析领域中重要的研究热点之一，也是国防安全方面迫切需要解决的技术之一，涉及到计算机视觉、图像处理、模式识别等多方面理论，有很大的研究价值。 在复杂的场景下，目标的机动性高，对目标的检测和分类都相对困难。本文主要研究了复杂场景下基于静止摄像机的运动目标检测和分类算法以及运动摄像机的运动目标检测方法。针对复杂场景下运动目标检测的问题，提出了一种改进的高斯背景建模的方法来对运动目标进行自动检测，然后通过形态学处理、中值滤波等后处理排除噪声的干扰，准确检测出运动目标的区域。 针对运动摄像机，本文设计并实现了基于PTZ(Pan/Tilt/zoom)摄像机的运动目标检测系统，通过图像的运动补偿技术解决了PTZ摄像机的自主运动带来的问题，分析并解决补偿过程中运动物体带来的估计误差问题，然后利用时间差分法得到运动目标区域，最后结合腐蚀和膨胀的形态学处理去除噪声。 对于运动目标分类，本文主要是简单地将人与车进行分类，首先计算运动区域的各种特征，然后通过人工神经网络的分类方法来区别该区域是人还是车。