随着计算机视觉、模式识别、计算机技术以及通信技术等学科的快速发展,智能视频监控系统成为了安全防卫的一种重要手段,具有巨大的应用价值。而运动目标检测,是指自动地从视频中去除背景、提取出人们感兴趣的运动物体。运动目标检测是智能视频监控系统的基础和核心的技术。但由于场景中通常存在光照的变化、背景物体的干扰运动如晃动的树叶以及阴影等的干扰,使得建立一个实时准确的运动目标检测方法很困难。
　　首先,研究摄像头静止条件下的运动目标检测算法。包括如下几个方面的工作:研究了现有的运动目标检测方法的理论以及优缺点,包括帧间差分法、时间均值法、时间中值法、单高斯模型法、混合高斯模型法。接着,提出了一种基于单高斯模型法的运动目标检测算法的改进方法和一种基于混合高斯模型法的运动目标检测算法的改进方法:包括混合高斯模型的初始化阶段和更新机制方面的改进、对光线突变后重新初始化模型或结合混合高斯模型法和帧间差分法改进对光照突变的适应性、对每个像素点的高斯分布个数自适应改变和利用基于块的运动目标检测方法提高了算法的运动速度。接着,分析了阴影的存在对运动目标检测算法造成的影响以及阴影的特点、常见的阴影去除方法,研究并实现了能够满足实时性的基于HSV颜色空间的阴影去除法。最后,实现了过滤视频序列中的背景图像的系统。