随着高科技的发展,智能监控系统的应用越来越广泛。运动物体视觉分析作为智能监控中的一项核心技术,它包括运动物体检测与提取、物体分类、事件检测、行为识别和分析等,而运动物体检测与提取又是其中的基础和关键。在运动物体检测与提取中,阴影的存在会导致物体的错误分类或者使不同物体相互融合,为后续的高级处理带来错误的结果,导致不能够很好的跟踪物体以及对物体的行为进行理解和描述。本文在总结和分析了国内外相关研究工作的基础上,针对运动物体检测与提取中如何检测与提取前景区域以及如何检测与去除阴影的问题开展研究,其主要研究内容和成果如下:1.采用背景减除法提取前景区域,利用混合高斯模型进行背景建模,建模过程中,引入了改进的K-均值算法,加快了背景建模的速度,提高了背景建模的质量;2.在背景更新的过程中,采用了基于统计平均的更新算法,相对于传统的背景更新方法,提高了背景更新的速度;3.针对运动物体阴影检测与去除中,基于高斯阴影模型的阴影检测方法在某些情况下对阴影检测不准确的问题,提出了一种基于体色向量匹配的阴影检测与去除算法。算法首先对提取出来的前景区域进行亮度测试,去除前景区域中像素亮度值高于对应背景区域的区域。接着计算前景中每个区域的方向角分割线,预判断每个区域中是否含有阴影区域,标记出含有阴影区域的区域,然后对有标记的区域计算其体色向量,和阴影数据库中的体色向量进行匹配运算,精确定位出阴影区域。实验结果表明,基于体色向量匹配的阴影检测与去除算法对各种场景下运动物体的阴影检测与去除具有很好的鲁棒性,能够提高阴影检测与去除的速度,克服了基于高斯阴影模型的阴影检测与去除方法在某些情况下对阴影检测不准确的问题。