智能监控系统已广泛应用于人民生产生活的方方面面,小到居家住所,大到公共场所,它不仅能帮助人们保障自身权益、维护财产安全,更有助于维护整个社会的治安稳定。智能监控系统涉及运动目标检测、分类、跟踪及其行为理解等技术。本文围绕智能视频分析中的运动目标检测展开研究,以达到在复杂的视频场景下准确检测运动目标的目的,更好地保障智能监控系统决策的正确性。针对传统的Vi Be算法中存在运动物体或者原本静止的物体突然运动出现的“鬼影”现象,本文将三帧差分法、改进的Canny算子、改进的自适应Vi Be算法相结合进行运动目标检测。首先,对传统的Canny边缘检测算子进行改进,即:将高斯滤波改为双边滤波;将Sobel算子两方向模板增加至八方向模板;将固定双阈值法改为最大类间差分法。通过实验对比,改进后的Canny算法检测到的目标边缘的数量和准确率较传统Canny算法分别提高了5%和2%。其次,在传统的Vi Be算法基础上采用自适应阈值和自适应更新率实现运动目标的检测,改善了传统Vi Be算法由于阈值以及背景更新率固定不变所导致的“鬼影”消除速度缓慢,误检率增加的不足。实验结果表明,将三帧差分法、改进的Canny算子、改进的自适应Vi Be算法相结合进行运动目标检测相比于传统Vi Be算法,综合精确度和召回率提高了3.0%。针对传统运动目标检测方法中,光照时目标的运动阴影会被误检为目标的不足,本文将颜色特征和纹理特征进行融合对运动阴影进行检测。实验结果表明,相比于基于HSV颜色空间这种单一特征的运动阴影检测,本文采用的方法综合阴影检测率和阴影分辨率提高了8%。综上所述,本文的工作在运动目标检测的综合精确度和召回率与传统Vi Be算法相比有所提高;运动阴影的综合阴影检测率和分辨率与基于HSV颜色空间法相比有一定的提高。