复杂场景下运动目标的检测是智能视频监控的重要的研究热点之一,涉及到计算机视觉、图像处理、视频处理等多方面的理论,其研究有重要的理论意义和实用价值。背景建模方法是运动目标检测方法中应用最多也是最重要的一种方法。国内外很多学者对背景建模在理论上和实践应用上进行了广泛的研究和探索,并取得了许多研究成果,但是依然存在诸多的问题。本文在深入研究已有成果的基础上,对背景建模方法进行了较为深入的研究,主要工作和研究成果总结如下:本文深入研究了高斯混合背景模型和非参数化背景模型,在理论上和实验上对两种方法进行对比,得出结论是非参数化模型的建模效果比高斯混合模型略好,但是由于其算法时间复杂度和空间复杂度都较高,因此高斯混合模型使用更加广泛;此外,本文对这两种建模方法后处理过程的阴影消除和去噪进行了研究,基于HSV颜色空间对阴影消除,取得了很好的效果;提出了一种快速简单的去噪方法,即先计算所有潜在目标连通区域面积的大小,然后根据大小设定阈值来进行去噪,实验证明这种方法比形态学算子去噪方法效果更好。本文提出了基于CSLBP(Center-Symmetric Local Binary Patterns)纹理模型的背景建模方法。CSLBP纹理模型在继承了经典LBP纹理模型优点的同时,抗噪能力更强,而计算复杂度大幅度降低。实验结果验证了该背景建模方法的先进性和有效性。