近年来，视频监控由于其在生产生活中的重要性，越来越受到人们的重视。交通安全、公安破案、生产安全、商场安保、小区安保，视频监控遍及生产生活的各个方面。而运动目标检测作为视频监控的重要目标，成为研究的重点。运动目标检测的目的是从视频序列中寻找变化的区域，从而分离出运动目标。对变化区域的有效分割是后期目标识别，目标跟踪和行为理解的基础。因此目标检测的效率和效果对视频的后期处理至关重要。背景差法作为动态视频中简单有效的运动目标检测方法，在交通监控，银行监控等方面得到推广，在行为分析和视觉检测中也是重要的辅助手段。背景差法包括了视频图像预处理、背景建模、运动目标检测和背景更新这四个主要步骤。背景差法中，运动目标检测的关键是完整稳定背景的获取，所以动态视频背景的更新成为研究的重点。本文首先对传统的背景差法进行了详细全面的介绍，并且分析了几种典型背景差法的原理和优缺点。针对大流量交通环境下，运动目标提取问题，提出了一种基于像素检测的类中值滤波预测方法。此方法使用了双阈值阈值分割法作为前景检测方法，并利用细菌觅食优化算法对其进行优化，提高计算速度，运动目标分割效果提升明显，基本满足了实时监控的要求。针对快速交通情况提出了一种基于分块分类的Kalman滤波背景更新优化算法，提出了二级分块下三级分类的背景更新模型，获得了较好视频背景。两种方法各有优缺点，前者计算量较大，对硬件有一定要求，适用于处理车辆行驶缓慢，车辆有暂停的情况，而后者计算量小，视频处理速度快，硬件要求较低，适用于快速交通情况。本文算法利用Matlab和C语言编程实现。采集不同时段不同光照条件下的交通视频，经过多次实验。结果表明，本文提出的动态视频背景更新算法可以满足实时性和准确性要求，在大流量交通环境下目标检测效果明显，目标清晰完整。基于分块分类的Kalman滤波算法，在时间效率和获得背景的效果上都较之前算法有所提升。