在过去的十年里，计算机视觉有了长足发展。针对运动人体和车辆的视频检测几乎是所有视觉系统的基础。这一步骤中结果的精确度对接下来的程序影响较大。然而，由于在自然背景中运动变化的多样性，快速有效的运动分割方法仍然是一个在视觉领域公认困难的问题。　　 大部分文献中提出的研究方法，都是通过背景提取技术检测视频片段中的运动目标。在运动目标检测方面找到一种较好的算法是非常具有挑战性的。本文主要关注于解决光线的连续变化或突变、时变背景、阴影噪声的剔除等问题。因而，本文提出了一种结合了时空信息的背景差与帧差相结合的运动目标检测。　　 首先，在训练中，背景图片由像素点的健壮统计特性建模，这些像素点是从n个连续帧中得到的，这是背景提取的重要一步。从性能方面，帧对比法在适应动态光照变化时的速度较快。因此，为了克服突然变化的光照，使参考图像能够适应自然场景的变化，我们将这一方法同文中提出的算法相结合。运动目标从被去掉和预估过的背景图像中提取出来，这种背景图像只包含了在当前帧中静止的像素点。为了找出潜在的前景像素点，在背景提取结果中使用自适应阈值的规则。这使得我们的算法在处理更加苛刻的照明效果和光照变化条件时更具有优势。　　 针对运动目标分割中的阴影噪声，本文提出了一种自适应背景模型更新方法，从而实现了阴影噪声的剔出。为了处理掉那些引起不必要失真的阴影，必须对背景提取结果中涉及的阴影和瞬间噪声进行分析。为了判断阴影是否存在，首先要根据最初的像素点标记出来的光学信息进行假设，例如已经预测出来的前景信息。提供一个阴影可能存在区域的最初假设，然后利用像素点与相应的背景之间的纹理一致性来分析潜在的阴影区域。　　 通过对一些室内和室外视频片段做的仿真实验，得到的实验结果可以证明本文的算法在不同光照条件下都具有良好的性能和精确度。