视频监控系统具有广阔的发展前景，它是模式识别和人工智能等方面的重要组成部分。在该领域中，运动目标检测和背景建模是当前的重要方向，运动目标检测是为了从视频序列中将运动变化的区域从背景中提取出来，以便进行后续的处理，它是进行后续的运动目标识别、跟踪的关键环节。因此高效性和准确性是目标检测与跟踪的一个研究热点。运动目标检测算法繁多，本文首先对常见的运动目标检测算法做一些介绍，包括背景减除法、帧差法、光流法。其中最常用的是背景减除法，特点是算法简单易于实现、实时性好、准确度高。从而提出比较前沿的非参数密度估计背景差分法。本文通过对比试验，归纳了它们各自的特点，从中选择了核密度估计算法作为本文的研究重点。非参数核密度估计在背景建模上受到很大关注，它能够快速适应动态场景的变化，是现今最常用的背景建模方法之一，然而该算法复杂度较高，很难满足运动目标检测的实时性要求。本文对非参数核密度估计进行了研究，它是根据各个像素的历史采样值来估计像素的概率模型。但是，原始样本值中包含着很多冗余信息和噪声信息，导致了计算复杂度高和估计容易出现错误。针对这些缺点，本文提出了一种创建关键帧的非参数核密度估计算法。我们通过创建关键帧方式来建立背景模型，同时应用此方法进行背景更新。新样本不但减小了核密度估计的计算量，提高了检测的速度，同时也降低目标检测的虚警率和误检率。综上，本文在对核密度估计运动目标检测进行研究的同时，对其中存在的问题提出了自己的解决方法，通过实验证明了改进算法的有效性和可靠性。