计算机科学以及通信技术的成熟，带动了智能安全领域的飞速发展，人们的安全防范意识也在不断提高。银行、商场、交通枢纽以及高档社区的公共场合都配备智能监控系统，而作为此系统的核心技术，运动目标检测得到了国内外研究学者的广泛关注。对运动目标检测技术的研究有着十分重要的意义，它是图像处理、模式识别与计算机视觉等众多学科的交集，同时也是目标跟踪定位、运动分析等技术的前提。目前运动目标检测的方法大致分为三类：光流法、帧间差分法和背景差分法。光流法是由Horn和Schunck提出的，该算法创造性的引入光流约束方程，根据图像像素中包含的灰度信息计算场景的运动矢量场，对比运动目标与背景的运动矢量差异区分前景与背景。帧差法最大的优点是算法简单且速度快，直接对视频帧做差分，实时性强。背景差分法是运动目标检测领域中应用最广泛的技术。Stauffer和Grimson两人提出的应用混合高斯模型建立背景的技术得到广泛认可。它能鲁棒地克服光照缓慢变化、树枝轻微摇动等情况，但是当背景中光照突变时却很难检测出前景目标，且算法计算量大，实时性较差。针对混合高斯模型的不足，本文做了一些研究，主要工作如下：对于混合高斯模型计算量大的问题，本文提出了一种间隔像素建模的方法，即当检测出第(i, j)个像素为背景或前景时，则可认为第(i+1,j)、(i,j+1)、(i+1,j+1)也为背景或前景像素点；同时，本文认为混合高斯模型建模过程中的所有模型都有可能是背景模型，而噪声点可能在匹配时已被舍弃。所以将匹配后的所有模型都按照其权值比例相加建立背景模型；另外，当背景中存在光照突变情况时混合高斯模型的检测将不再准确，有时甚至将一帧的大部分区域都检测为前景。针对混合高斯模型的这一问题，提出一种带有光照自适应的混合高斯模型，从而弱化光照突变对原有模型的影响，提高了混合高斯模型的检测效果。