引言：计算机视觉技术的快速发展也离不开目标检测与识别技术的发展。目前目标的检测和识别已经完整地整合在了一起,让检测成为识别的基础。对于目标的种类和属性的不同对应有好多种各式各样的检测识别算法,如sift、adaboost、Hu Moments等等。本文主要研究视频检测识别技术。如何提高视频检测算法的精确度和训练时的效率是最主要的问题。本文的主要研究内容如下：(1)在新的视频分帧程序中融合了ffinpeg解码技术,使新程序分帧的视频格式可以是任意格式。并增设了多种分帧方式(如直接抓取、播放抓取、场景抓取等)如各种视频使视频分帧功能更加强大。从视频文件中识别目标物体,首先提取视频文件中的帧,然后从帧中识别所需要的各种信息。新程序分帧的视频格式可以是任意格式,新程序支持包括几乎所有视频格式的分帧解码诸如avi,meg,mpeg,asf, mov,wmv,rm,rmvb,flv等等在内的。支持的视频分帧的方式多样化：如直接抓取、播放抓取、场景抓取等方式。(2)在新的视频目标检测算法中添加了场景识别功能,使新算法比传统检测算法的检测速度和效率得到提高。改进后的算法的检测速度和效率大大提高,处理的时间上,新算法也变快了许多。这些是由于新算法融入了场景变化检测的功能。添加了场景变化检测的话,程序就可以忽略掉连续具有相同背景的帧,而默认这些帧的信息都是具有与第一个帧相同的信息。这时检测识别效率会得到进一步提高。(3)在新的视频目标检测算法中将adaboost算法和sift、Hu Moments算法结合起来。使相对于传统检测算法,新算法对被检测物体的多样性适应性较强。经过实验的具体分析,相对于传统算法,新算法对物体的放大、缩小、掩盖(即检测目标被其他物体部分遮盖)、旋转、扭曲压缩等都有检测效果更好,精确度更高。