运动目标检测是计算机视觉研究领域一个基本问题，在基于视觉的人体运动分析、军事侦察、机器导航、视频监控等领域有着广泛的应用。背景差法是当前的主流运动目标检测方法之一，其关键在于背景建模，混合高斯模型一种重要的背景建模方法。本文以视频监控为应用背景，研究基于混合高斯模型的背景差法，探索了初始化、目标移出、目标移入和光照突变四个问题。　　 第1章综述了运动目标检测的研究现状，重点介绍了基于混合高斯模型的背景差法的不足及其改进途径。　　 第2章研究了背景初始化问题。在分析当前背景初始化算法不足的基础上，提出了一种基于图像模式识别的背景初始化算法，该算法包括背景模式库训练和背景重构两个阶段，能有效地克服当前其他算法不能自适应确定初始化所需帧数的不足，且参数选取简单。　　 第3章改进了彩色图像分割的区域生长法，提出了一种基于修正HSV距离的区域生长法：选择与人类视觉系统感知颜色机制匹配的HSV颜色空间作为基础空间，在分析HSV距离与人类视觉系统感知颜色差异的不同的基础上，提出一种新的以人眼能分辨的最小颜色差异为单位的颜色距离计算方法，将其应用于区域生长法，并针对多幅Berkeley测试图像进行了实验。　　 第4章提出一种基于混合高斯模型的改进运动目标检测算法探索初始化、目标移出、目标移入和光照突变四个问题：首先使用混合高斯模型获得运动目标，并使用基于修正HSV距离的区域生长法将运动目标分割成多个内部颜色一致的子目标；然后选择参考帧，计算每个子目标在当前帧与参考帧中的相似度，以此来判定子目标是否为虚假目标，并将虚假目标从运动目标中去除，与其对应的像素采用较大的混合高斯模型更新率，使背景模型更快地匹配实际背景。　　 第5章总结了本文的工作。