市场摊区智能监管是智慧城市建设的重要功能之一。对于市场摊区监控目标(包括溢出摊位、占道经营摊位等)采用传统的人工巡查方法效率低下且存在监管漏洞,视频监控方法正逐步被采用,对市场摊区监控目标的自动检测识别方法成为迫切的需求。本文针对这一现状,研究市场摊区监控目标检测识别方法。本文提出了基于运动目标分析的非法摊区检测方法。在禁止摆摊的划线监测区域内通过本文改进的背景差分方法和卡尔曼滤波方法对运动目标进行检测跟踪,通过统计分析目标活动情况和几何特征判断是否可能为非法摊区。为准确判定非法摊区,本文进一步提出了一种基于CNN的摊区识别模型,并给出了基于迁移学习的模型训练算法和摊区识别计算过程。通过实验对预训练模型和Epoch、微调方法、梯度优化算法、学习率等超参数进行了优化设计。该模型对摊区识别的准确率达到97.44%。本文设计实现了一个市场摊区监控目标检测识别系统,并对各种复杂天气状况和昼夜场景下系统对监控目标检测跟踪的准确率进行了测试,同时针对CNN输入尺寸进行了小目标占比实验。测试实验结果表明,在摊区画面占比不低于10%时,报警准确率不低于90%,在摊区画面占比高于20%时,系统报警准确率可达94.19%,且均满足实时性要求。该系统目前已成功集成应用于哈尔滨市智慧城管系统中。