智能视频监控系统是计算机视觉研究领域的一个重要课题,而运动对象检测则是智能监控系统的核心技术。运动对象检测的研究对象是视频图像序列,其目的是判断视频序列中是否存在运动对象并确定运动对象的具体位置,为后续的对象跟踪与行为识别提供数据基础。然而智能视频监控系统实时性和高效性的要求,使得现有的运动对象检测算法离快速、精准地检测尚有差距,因此如何设计有效的运动对象检测算法成为国内外的一个研究热点。本文基于帧间差分法和背景差分法的理论基础,结合实际的需求因素对运动对象检测算法进行研究和探讨,主要研究工作如下：(1)本文通过分析传统帧间差分法、背景差分法以及帧差背景结合法,针对这些方法在解决对象静止后融入背景情况时的不足,提出了一种自适应背景替换的运动对象检测算法。该算法通过帧间差分法进行背景建模,并将原始帧中存在运动对象的区域标注到背景的相应区域中,在使用背景差分法提取运动对象时,算法自适应替换出当前帧存在运动对象的区域而没有在背景中标注的背景帧,作差提取前景运动目标。通过在不同的复杂场景下对该算法进行测试,分析了运动对象由运动到静止、缓慢移动条件下的检测结果。测试结果表明该方法能较好解决因运动对象静止后融入背景建模而导致的检测对象不准确问题,且算法简单,易于实现,满足实时监控要求。(2)针对本文提出的改进算法引入的新问题进行分析。为解决背景帧的感兴趣区域与当前帧的时间差进行光线补偿的问题,研究了一种背景补偿的算法。研究结果表明,它能较好地对背景进行补偿,使得背景差分提取精确的运动对象。(3)研究了一种综合性能较好的阈值分割方法。针对系统实时性的要求提出了一种基于统计加权的快速阈值分割方法,实验结果表明该算法在保证分割精准度的前提下,能以低时耗满足系统要求。