本文主要研究了固定场景情况下基于背景减除方法的运动检测在视频监控中的应用。内容涉及运动检测方法及应用、背景模型选择及建立、阴影的检测和识别以及运动估值几个方面。1.运动检测是计算机视觉、目标识别与跟踪、安全监控等的视频应用的基础。背景减除方法是运动检测的重要方法,但对光照变化和阴影都比较敏感。本文首先提出一种新的背景减除方案,它运用HSV色彩方案,结合时间差分方法检测运动区域。实验结果显示了较好的鲁棒性。2.在运动检测过程中,随着时间和环境的变化,背景图像也在跟着变化,背景的变化使得背景部分很可能被误分为前景运动物体。因此,有必要建立合适的背景模型,来适应外界环境的变化。本文采用了K-高斯混合模型作为背景模型进行实验,它不仅可以适应变化的背景,也能适应高度繁忙或杂乱的场景中模型的建立。3.物体的运动常常会伴随着阴影的发生,阴影的存在影响了运动检测的正确性和准确性。而且,阴影与运动物体具有两个相同的重要的视觉特征:首先,阴影点与背景明显不同,很容易被检测为前景;其次,阴影与投下阴影的物体具有相同的运动。这两个特征使阴影的检测具有相当的挑战性。本文对Sakbot系统中的阴影检测方法进行改进,对阴影检测的三个条件加上了权值进行分类,得到不错的效果。4、运动检测的同时,可以通过运动估值来预测物体下一时刻可能的运动。通过运动估值和运动检测的结合可以使得下一时刻的运动检测更准确。本文实现了块匹配的运动估值的算法。