时至今日无论在工业检测、交通导航和智能系统等诸多领域运动目标检测已被广泛应用。目标检测为后续其动作识别、跟踪以及行为理解等研究起到关键性作用。同时目标所产生的阴影具有与阴影相同的运动属性,会被一起检测出来从而降低检测结果精度,因此进行运动目标阴影抑制成为重中之重。所以本文其研究有着很大实际作用。首先,本文研究了国内外的目标检测与阴影抑制算法的发展现状,并对其算法研究价值和意义进行了分析。研究了目标检测的经典算法:光流法,帧差法以及背景差分法。对于其中涉及的中值滤波法、均值滤波法和高斯模型背景建模算法做了对比与分析。其次,本文重点研究分析了混合高斯背景模型算法。分析传统算法其弊端和不足,提出了一种改进算法。针对不变的更新速率?提出了场景变换率概念,可以自动调节更新速率?;针对运动目标的运动状态发生改变时,提出帧差法与混合高斯模型互相结合的算法,对于画面中运动情况变化可以通过帧间差分法进行判断;针对场景中出现光照突变产生大面积误检的情况,引入归一化互相关系数来衡量当前帧与背景帧之间的相关性,判断并抑制光线突变现象。实验结果显示,本文算法能较好弥补其传统方法的不足。最后,本文对阴影本身属性进行分析,分析目前常用阴影抑制方法其原理和优缺点,提出一种基于混合高斯模型的阴影抑制方法。此算法根据阴影在HSV色彩空间其特性,对检测出的运动前景确定其是不是疑似阴影模型,再采用混合高斯阴影模型(GMSM)完成疑似阴影聚类处理,从而达到阴影抑制效果。实验结果显示,本文方法能更准确的进行阴影抑制且实时性较高,同时验证了其方法的有效性。