基于视频的目标检测与跟踪识别技术在军事、航空航天、科学探测、天文观测以及智能视频监控等领域具有越来越广泛的应用。由于它涵盖了计算机视觉、人工智能、模式识别等多个领域的复杂技术，极具挑战性，近年来一直是计算机视觉领域的研究热点。　　 本文主要围绕基于视频的背景建模和运动目标提取方面开展相关的研究工作。　　 首先在运动目标检测阶段，为解决环境中的光照变化和背景的微小变动等问题，采用混合高斯背景建模法建立背景模型，并用减背景的方法得到前景运动区域。此方法以K个高斯分布描述背景产生的变化，因而具有较强的鲁棒性。由于模型的个数极大的影响着所能描述的场景复杂度以及时间成本，为提高算法效率，本文在对GPU通用计算技术进行分析的基础上，利用GPU出色的浮点运算能力及其并行计算技术，对混合高斯背景建模法进行了改进。　　 其次，由于现有的运动目标边缘检测算法中存在检测结果无用信息过多、算法效率低、难以实现等问题，本文提出了一种基于Sobd算子的图像重构边缘检测算法。该算法在时空切面中检测目标对场景的扰动，以此重构图像后可获得目标的轮廓。该算法具有较好的检测效果和算法效率，对光照变化不敏感，能实时检测出运动物体的轮廓线。　　 最后，讨论了与本研究相关的图像后处理技术，包括有：从HVS空间讨论阴影纹理及背景纹理的不变性，利用多信息融合的算法去除阴影；利用数学形态学等技术消除检测结果中的孤立噪声点及填补细小空洞;利用检测到的目标边缘与Canny算子检测边缘相结合进行互补的边缘连接技术。　　 实验结果及对比分析表明，本文研究的算法在时间与效果上都有一定改进。