由于视频监控摄像机数量的快速增加,迫切需要一种可以自动处理这些监控数据的方法,因此视觉监控技术就成为计算机视觉的重要研究领域。视觉监控技术是安全防范系统的组成部分,它的主要任务包括运动目标检测、目标识别、目标跟踪和目标行为分析等。运动目标检测是视觉监控技术处理视频数据的重要环节,因此运动目标检测算法的性能直接影响视觉监控的性能。本文主要围绕运动目标检测算法展开研究。首先对主要的运动目标检测技术(光流法、帧间差分法和背景差分法)进行了分析和实验,在实验结果对比的基础上,总结了它们的优缺点和适用场景。然后对背景差分法进行了深入研究,分析了该方法常用的几种背景建模方法,并在不同场景下进行了对比实验。使用背景差分法的评价体系对检测效果进行了量化分析,通过分析发现ViBe算法、自组织背景算法和混合高斯背景法具有较好的综合性能。鬼影是由背景中静止的物体突然运动产生的,它在检测结果中被标记为前景但不对应实际的运动目标,因此应该尽快把鬼影融入到背景中。针对ViBe算法对鬼影消除缓慢的问题,提出了结合帧间差分技术的ViBe改进算法,使用帧间差分技术通过记录相关像素值的时域变化来判断鬼影像素。实验结果表明,改进后的算法能够较快的消除检测结果中的鬼影,提高检测结果的准确性。针对ViBe算法的固定阈值不能反映每个像素具体情况的问题,本文提出了一种自适应阈值的方法,可根据像素值的变化为每个像素设定阈值。实验结果表明,自适应阈值算法具有更好的检测性能。由运动目标产生的阴影会在一定程度上影响检测结果的准确性。本文研究了现有的阴影检测技术并对它们的检测效果进行了实验分析。针对阴影检测技术与具体的运动目标检测算法脱离的情况,提出了将现有的阴影检测技术与背景差分法融合的方法,在ViBe算法中实现了与两种阴影检测技术的融合。实验结果证明,该方法可以有效的消除阴影,提高检测结果的准确性。