近几年,伴随着计算机技术和计算机视觉的飞速发展,智能视频监控逐渐地在现代生活和生产的各个方面发挥出了越来越大的作用,运动目标提取技术作为智能监控中最为重要的技术也逐渐成为了计算机视觉中的一个研究热点,在该技术中如何提高目标提取的精确性以及适应不同的背景环境一直是研究的难点。本文主要研究了常用的运动目标提取算法,并深入研究了背景减除法中的视觉背景提取(Visual Background Extractor,ViBe)模型,主要对ViBe模型在运动目标提取过程中存在鬼影以及阴影的问题做出了改进。本文提出了鬼影抑制与消除和自适应算法、结合时空域的尺度不变局部三值模式(Spatiotemporal Scale Invariant Local Ternary Pattern,ST-SILTP)纹理特征的阴影提取与消除算法,设计并实现了改进ViBe模型的运动目标提取系统,并通过实验验证了系统的实用性。本文的主要研究内容包括:1.对运动目标提取算法中的光流法、帧间差分法以及背景减除法中的高斯背景建模、Codebook背景建模、ViBe模型进行了研究,分析了这几种方法的优缺点。2.为了解决ViBe模型容易引入鬼影(ghost)和在复杂的动态背景下存在大量误提取的问题,本文提出了鬼影抑制与消除和自适应算法。改进的算法针对鬼影问题采用改进初始化方式结合邻域像素空间一致性的原则实现对鬼影的抑制与消除;针对复杂的动态背景下大量的误提取的问题,采用把当前像素点的背景模型样本集信息和像素点的邻域信息相结合来反映当前的背景复杂程度,从而为每个像素实现分割阈值的自适应。本文提出的改进算法实现了鬼影的抑制与消除,并且提高了提取的精确度。3.由于ViBe模型对于运动目标的阴影不能进行判断,将阴影提取为了前景,这会降低实际存在的运动目标提取的精度。针对此问题,本文在研究了运动阴影的性质与图像的纹理特征后,提出了ViBe模型结合ST-SILTP纹理特征的算法。实验证明,本文提出的改进方法可以解决阴影的问题,提升了目标提取的效果。4.本文设计实现了改进ViBe模型的运动目标提取系统,该系统不仅可以对录制好的视频进行运动目标提取,还可以对实时录取的视频进行实时运动目标提取。