基于计算机视觉的运动目标轨迹识别是人机交互领域中一项关键技术,因为它不但在智能监控方面可以通过对所监控场景中运动目标轨迹的行为模式来智能的进行识别,并根据要求对异常情形报警,而且能够给人机交互提供更加自然、和谐的方式。在复杂背景下基于单个摄像机的实时运动目标轨迹识别是一个重要的发展方向。基于计算机视觉的运动目标轨迹识别大致可分为运动目标检测、运动目标跟踪、轨迹特征提取以及轨迹特征识别四个阶段。本文在查阅大量的资料的基础上,以构建一个轨迹识别系统为目标,主要做了如下三部分的工作：在运动目标检测阶段,改进了原有的运动前景检测方法,提出了结合混合高斯背景建模的自适应背景建模和基于HSV颜色空间的目标颜色聚类两种算法的运动目标分割方法。在运动目标跟踪阶段,首先通过改进的GMM的运动物体检测算法获取前景二值图像,然后将该图像和传统的Camshift算法中用到的反向投影图做“相与”操作,经过处理的反向投影图能够有效的排除少量相近颜色背景的干扰,同时引入卡尔曼滤波来估计目标在图像序列中的位置,有效地提高了系统的抗干扰性。为了增强系统的鲁棒性,还提出了一种自适应扩展搜索窗口算法,使系统在丢失跟踪目标后仍能快速的恢复跟踪。在轨迹特征提取阶段,本文提出一种适用于本系统的快速实用的特征提取方法。在轨迹特征识别阶段,使用从左到右的离散的隐马尔可夫模型对轨迹特征进行建模、训练和分类识别。实验证明该系统能够对运动目标轨迹进行较好的识别,达到系统实时准确的要求。