机器视觉主要包括图像处理、模式识别和运动检测。运动目标检测是当前机器视觉领域一个重要的研究方向，广泛地应用在安防方面的智能监控摄像机等设备上。可用于各种监控摄像头，或者一些工业机器人中。运动目标检测的目前采用的几种主要方法是利用背景差分、光流法或帧差法等方法，对视频序列进行处理，从而提取出视频序列中的运动目标，为后续的目标分类、跟踪等一系列行为的前提。然而，由于实际应用环境的不同，如室内与室外的不同，变动场景与固定场景的不同等因素，各种目标检测方法都会有其局限性。因此针对系统所处的实际环境，根据各种检测方法的适用范围存在的困难以及其优缺点分析，选择一种合适的检测方法既能降低计算的复杂度又能得到很好的实际使用效果。本文的研究对象是针对室内的不动场景，要求能检测出比较完整的运动目标且后续的操作更需要依赖于检测所提取到的一些位置大小等信息。经过分析对比选择了基于混合高斯背景建模的背景差分法，对其背景建模方法和目标检测方法进行了深入的研究。对由于目标缓慢运动所造成的检测不完全，背景建模参数的初始化等进行了一些改进，更加对运动目标进行了运动方向的判断。本文的主要研究工作如下：本文在对运动目标检测的几种方法的原理及算法进行介绍的同时，根据研究对象所处的实际环境，选择了基于混合高斯背景建模的背景差分法，并对其算法进行了着重介绍，包括了几个初始参数的赋值及更新方法，高斯分布的模型，背景建模的方法和运动前景提取等，并针对缓慢运动检测不完全的缺陷提出了改进的方法。随后介绍了一些基本的图像处理知识，对实验的视频序列进行一系列的处理，以及对提取出的前景图像进行了一些必要的腐蚀和膨胀操作，有效地除去了一些噪声所形成的干扰，为后续的运动方向检测的准确性打下了坚实的基础。在后续的运动方向判断模块详细介绍了光流法的算法原理，将背景差分法提取出来的运动目标设置阈值，选择出符合要求的运动目标，并将其设为感兴趣区域，对其进行特征点的查找，运用金字塔光流的方法查找视频在下一帧中对应特征点的坐标位置。将光流向量的方向作为目标区域的运动方向，并设置条件使目标区域只做垂直方向的运动检测，本文的方法可以准确地检测到运动目标的位置和其运动的方向。