视频序列中运动对象的检测和跟踪是智能监控系统中对高层次动作或者事件理解的基础步骤,在交通场景、敏感安防场景等智能监控系统中起重要作用。交通场景中基于计算机视频分析的车流量检测、车速监控、违章事件分析等都给交通决策部门提供了依据;在安防监控应用中,计算机通过监视器视频分析对敏感区域异常人员的访问控制,可以预防犯罪以及减少人力监控成本。另外在人体运动分析、视频编码等其他机器视觉以及多媒体研究领域之中,运动检测与跟踪算法也是其预处理中的重要步骤。　　本文首先介绍了视频监控系统的基本原理和系统软件硬件组成架构,和本系统的设计方案。随后介绍了基于背景减的视频序列运动检测的理论基础,以及相关的图象处理技术和模式识别理论。这部分是视频运动检测系统的基本架构和技术原理。　　接下来本文着重探讨了在诸如夜间场景等复杂背景情况下,如何利用非参数核密度估计建立背景模型来进行运动目标检测和分割,本文提出的方法在非参数高斯核密度背景建模的基础上,对背景的光场扰动等干扰进行有效的抑制,提高了运动前景分割的精度。此方法与经典的运动前景分割算法进行了比较,测试了其在实际复杂场景中的检测精度。　　在基于非参数核密度背景建模的基础上,阴影模型的建立和检测也进行了探讨,本文将确定的非模型化阴影检测方法用于实际场景的阴影检测中去,给出了阴影检测的结果。最后对算法在实际系统中的应用进行了讨论,证实了其在复杂场景中具有较高的检测精度和实时性能。