现代社会正变得日益复杂,人们所面临的安全形势也越来越严峻。在这种情况下,智能视频监控技术得到了广泛的应用。作为智能视频监控技术中的关键底层技术,运动目标检测算法也受到了越来越多的科研工作者的关注,并逐渐成为计算机视觉技术中的热点研究课题之一。论文首先介绍了课题的研究背景和国内外研究现状,并对国内外一些经典的运动目标检测算法做了研究,分析了它们各自的优点和不足。论文对当前常用的几种运动目标检测方法——帧间差分法、光流场法、背景差分法的原理和流程作了详尽的分析,并对运动目标检测常用技术如图像处理、阴影去除、形态学处理、轮廓提取等相关知识做了普遍的研究。论文着重研究了基于单高斯模型的运动目标检测方法。论文首先介绍了单高斯模型的来源和传统的基于单高斯模型的运动目标检测方法的原理,然后指出了传统的基于单高斯模型的运动目标检测方法存在的“拖尾”问题,并分析了产生该问题的原因,由此引出了经过Koller等人改进后的基于单高斯模型的运动目标检测方法。Koller等人的算法解决了传统算法的“拖尾”问题,但又产生了“鬼影”问题。论文在对“鬼影”问题的产生原因作了深入分析的基础上,提出了动态的高斯模型更新策略,很好地解决了“鬼影”问题。论文还提出了新的单高斯模型更新率选取方案,对单高斯模型的均值和均方差这两个参数的更新分别采用了不同的更新率,提高了单高斯模型的收敛性和稳定性。在阴影检测方面,论文采用基于色度畸变和一阶梯度信息的阴影消除方法相结合的方法去除阴影,取得了较好的效果。在运动目标轮廓提取方面,论文对含有运动目标轮廓的二值图像进行形态学处理,并对尺寸较小的干扰项进行剔除,使得提取的运动目标轮廓更为精确。论文采用质心法和均值法求出运动目标轮廓的外接矩形,能够准确的标示出运动目标区域。实验表明,论文提出的运动目标检测算法在室内环境以及背景较为简单的室外环境能够取得较好的效果。基于论文提出的运动目标检测算法,论文最后设计了一个可用于节能项目的智能视频监控原型系统,为智能视频监控技术的应用提供了新的方向。