随着计算机技术的高度发展和电子智能产品的不断涌现,计算机视觉和模式识别技术作为计算机感知科学的重要热点领域得到了人们的足够重视和广泛研究。从通俗意义上讲,计算机视觉技术就是一门研究如何使机器“看”并进行“思考”和处理的学科。作为计算机视觉领域的一个分支,本文着重于研究在电子监控环境下,如何对运动目标进行识别检测和轮廓提取,具有一定的研究价值。本文首先介绍了在时间帧序列中进行移动对象检测和判断时的几种传统的方法,包括光流法、背景减法和帧间差分法。在介绍这几种方法时主要讲述各算法的基本原理并进行比较分析。同时,还介绍了几种常用的图像轮廓提取方法。与视频中运动目标轮廓提取不同的是,此处主要针对图像中静态的事物轮廓,包括边缘提取算子、形态学处理、主动轮廓线提取等。本文提出了一种基于Sobel边缘检测算子和帧间差分法融合的运动目标轮廓粗提取技术。算法主要利用了两种方法对视频帧图像进行提取时包含共同的运动目标信息来进行的。同时考虑到算法效率的问题,在已有算法基础上,本文提出了基于速度自适应的运动目标轮廓提取技术,该方法可以依赖运动目标的速度灵活的选择差分运算的帧序列。此外,综合已有的模型,本文总结出了一套运动目标轮廓提取算法通用模型。其次,本文在已提出的运动目标轮廓提取模型上,提出了基于形态学后处理的运动目标轮廓精提取技术。该技术首先对检测的运动目标进行腐蚀运算,滤去噪声;然后进行两次膨胀处理,恢复并增强连通区域；最后选择骨架提取技术对目标轮廓进行精确提取。运用形态学处理进行轮廓的精提取技术是在前述轮廓粗提取技术基础上递进而来。同时,为了验证算法的合理性,本文在介绍各自算法原理之后提供了实验处理各环节和最终效果图,算法具有很好的应用价值。最后,本文对轮廓提取工作进行了总结和展望,着重总结了论文所做的主要工作,论文算法在适用条件方面的问题,以及论文下一步值得改进和研究的地方。