目標分類的目的是從檢測到的運動區域中將特定類型物體的運動區域提取出來。根據利用的信息的不同，目標分類可以分為基于運動特性的分類和基于形狀信息的分類兩種方法。基于運動特性的識別利用目標運動的周期性進行識別，受顏色、光照的影響較小。基于形狀信息的識別利用檢測出的運動區域的形狀特征與模板或者統計量進行匹配。

　　目標跟蹤是在連續的圖像幀間創建基于位置、速度、形狀、紋理、色彩等有關特征的對應匹配。依據不同的跟蹤方法可分為基于模型的跟蹤、基于區域的跟蹤、基于活動輪廓的跟蹤、基于特征的跟蹤等。

　　聯合目標跟蹤與分類（JTC）技術是信息融合領域新興的一個研究方向。其基本思想是，通過在目標跟蹤器和目標分類器之間進行雙向信息交互，來同時有效地提高目標的跟蹤精度和分類性能。

　　在特定情況下需要對跟蹤目標從類型細化到個體。這需要對目標的行為進行分析和理解。行為理解的關鍵問題是如何從學習樣本中獲取參考行為序列，并且學習和匹配的行為序列必須能夠處理在相似的運動模式類別中空間和時間尺度上輕微的特征變化。

　　3. 智能視頻監控系統實施的難點和Blackfin的優勢

　　盡管已經取得了巨大進展，智能視頻分析領域仍然沒有公認的最優方法。其自身研究內容的復雜性，使得研究方法和工具多樣，算法復雜度高，適用范圍有限，沒有魯棒性、準確度、速度都符合需求的普遍方法。同時，視頻監控系統的網絡化和分布式處理的要求，以及大規模工程安裝對成本、體積和功耗的限制，使得運算能力和帶寬都在不斷提高的嵌入式處理器成為視頻監控系統的主流選擇。而非標準化的智能視頻分析，正是DSP的用武之地。

　　Blackfin處理器是ADI與INTEL聯合研制的會聚式處理器，它的MSA（Micro Signal Architecture）架構兼具MCU的控制能力和DSP的高速運算能力。MCU和DSP融入同一個內核，只需要同一套開發工具和同一套指令集。與DSP加ARM的芯片架構相比，具有軟硬件實現簡單的優勢。Blackfin支持ThreadX，Nucleus，uCOS-II，uCLinux等十多種嵌入式操作系統，為客戶提供熟悉的軟件架構基礎。Blackfin為高強度，高數據率的數字和媒體處理做了專門優化，是理想的視頻處理器，而且具有極高的性價比。它的低功耗特性非常適合外殼體積小的IP攝像頭產品。