随着社会对安全的日益重视,与安全问题息息相关的视频监控系统也越来越多的受到关注。前景检测技术是视频监控的重要任务之一。它是目标跟踪、识别和定位等任务的重要前提,在视频监控系统、机器人导航、军事监控、交通检测和医学图像分析等领域有广泛的应用。本文主要研究在复杂背景下的前景检测算法,提出三种算法解决复杂背景下的前景检测问题。在前景检测中,传统基于像素级别的混合高斯建模算法常常受到噪声和误检的干扰,而且无法处理前景运动异常和阴影的存在。该算法在基于块的粗糙检测和基于像素级别的精确检测相结合的算法基础上,提出了一种多重参考背景模型能够有效地检测前景异常运动并去除鬼影,同时研究了一种新的阴影抑制算法。研究了一种基于非参量概率密度的算法,解决传统算法样本和阈值选取的机械性,根据特征点分类更为适宜的检测前景。首先,改进了一种SIFT-Displacement特征点描述子,并研究了一种核密度估计样本选取算法和自适应阈值定位算法。提出一种将特征点分类结果和核密度估计结合的前景检测算法。研究了一种简化后的光流法结合后置滤波技术进行前景检测。首先,提出了一种对传统光流法的简化算法,解决了传统算法需要对速度矢量聚类和求解过程计算量大的缺点;并根据传统滤波原理研究了一种后置滤波算法,并实现了一种基于后置滤波-简化光流法的前景检测算法。