近几十年来,随着计算机技术和图像处理技术的日益发展,运动视频中的目标检测已经广泛运用到国防与国民经济建设的诸多领域。而随着其应用领域的不断扩大,人们对视频序列中运动目标的检测和阴影消除也进行了大量细致而深入的研究,提出了许多行之有效的方法。运动目标的检测与阴影消除由于其在智能监控领域的应用前景和潜在的经济价值已经成为目前计算机界研究的热点课题之一。首先,本文综述了课题的研究背景和意义,研究了一些国内外基于视频图像运动目标检测的经典理论和方法,对比了其性能上的优势与不足。其中本文研究的经典算法主要包括帧间差分法、光流法、背景差分法、高斯背景建模法等。文中详细讨论了这些算法的基本思想和实现原理以及这些方法的实验对比。其次,本文重点分析研究了混合高斯模型背景建模的方法。由于传统方法的初始帧获取不准确,导致模型识别时收敛较慢,本文提出了一种结合中值法和众值法的方法,从而提高了获取初始帧的准确性。本文还引入了一个反映当前帧与模型匹配的有效像素点的参数,改进了背景模型的更新算法,可以防止运动缓慢的物体渐渐融入背景。除此之外,针对传统方法的运算量较大,时空开销较高的问题,为了提高建模效率,在传统的混合高斯背景建模的基础上,提出了一种新的混合高斯模型高斯成分个数自适应选择策略。新的方法能够在时间和空间上减小开销,快速准确建立背景模型,以达到分割前景目标的良好效果。最后,由于光照条件的影响,大多数图像都存在阴影,阴影的存在干扰了目标的检测。本文根据阴影在HSV向量空间的特点,提出了一种新的无阈值的阴影消除方法,能高效地检测出带阴影的运动目标。和传统的阴影分割方法相比,本文的方法可以在阈值不设定的情况下,很好地消除运动目标的阴影,有很好的鲁棒性和实用性。