视频监控系统运动目标检测融合了图像处理、模式识别、人工智能以及计算机科学等许多领域的先进技术,已经成为计算机视觉研究的重要领域。本文主要研究在静止背景下运动目标的检测与提取,在前人工作的基础上对运动目标检测各种算法进行分类研究,分析比较各算法的优缺点,并在此基础上增强对算法的理解以及提出改进。本文总结了当前视频图像分割技术的基本原理,给出了运动目标检测与分割的理论模型。在介绍了三种传统的运动目标检测算法的基本原理的基础上,提出了一个改进的将背景差分法和帧间差分法相结合的算法,该算法使用帧间差分累积图像,结合前帧的检测效果,在当前帧的前后位置分别粗定位运动目标并更新背景,然后利用背景信息检测出运动目标,实验结果表明该方法既有背景差分法完整检测运动目标的优点,又具有帧间差分法在光线变化情况下的鲁棒性;本文通过研究背景图像的统计特性,给出了一种自适应的背景模型估计法,该方法有效地吸取了Stauffer等提出的自适应混合高斯背景模型基础思想,为每个像素构建高斯背景模型,并在此基础上做了一些改进,即分别对均值μ和方差δ~2采用不同的更新率α,β进行更新,经实验验证,该方法提高了检测灵敏度并降低了模型的适应程度;最后本文提出一种融入帧间差分法的背景模型估计方法,该方法用帧间差分法作为进行高斯背景模型估计的指导,实验表明该方法能有效地分割出图像序列中的前景目标,而且也明显地减少了前景目标对背景模型的影响。