在智能视频领域中，运动目标的检测与识别是非常重要的技术，也是对运动目标作后续处理（如目标编码、目标识别、目标跟踪、目标分类、行为理解等）的基础。作为一种经典有效的运动检测算法，混合高斯模型算法得到了广泛的研究与应用，然而该算法在目标停滞的情况下会导致目标漏检；同时，在检测运动目标时，目标的阴影也容易被误检测为运动目标的一部分，影响了对目标的精确提取，为此人们提出了大量阴影消除算法，但是这些算法一般都受场景限制，不能很好的适用于多种场合。本文的研究目的是提高混合高斯模型算法对运动目标的检测效果，并且改善阴影消除算法的适用性，主要工作如下：1、提出一种基于改进混合高斯模型的目标检测算法。在运动目标停滞的情况下，传统的混合高斯模型会将运动目标误判为背景，导致目标漏检。为了解决该问题，本文提出了一种基于改进混合高斯模型的目标检测算法。该算法引入背景学习参数，结合前一帧的检测结果自适应地更新背景，能够提取出完整的运动目标；同时利用像素的八连通区域信息抑制噪声，从而提高算法在复杂环境中的稳定性。实验结果表明，同传统检测方法相比，本文提出的算法能够在复杂环境中准确地检测出短暂停滞的运动目标，是一种有效的目标检测方法。2、提出一种结合YCbCr颜色空间和混合高斯模型的阴影去除算法。在该算法中，首先利用混合高斯模型提取出运动区域；然后通过分析运动区域的前景和背景在YCbCr颜色空间的差值统计特性，建立混合高斯阴影模型；最后根据高斯分布的概率分布规律，得到阴影分布特性，从而实现对阴影的去除。对于实验中的序列图像，该算法有70%以上的阴影检测率。实验结果表明，文中方法能够在不同的场合快速有效地去除阴影，准确地提取运动目标。