运动目标检测技术在军事领域、智能交通、智能视频监控、工业方面、高级人机交互以及图像压缩等领域发挥着重要作用。对于计算机视觉领域来说,运动目标检测技术是其研究热点。运动目标检测的关键在于如何从视频图像中获取感兴趣的运动目标,运动目标的准确提取对后续的目标跟踪与目标识别起着十分重要的作用,但是背景场景的动态变化,如光照变化、物体阴影、遮挡物等因素的存在,使得运动目标检测技术的实用性受到影响。目标检测的实用性、实时性、鲁棒性以及准确性成为研究者关注的重点。本文的主要目的是对场景中的物体阴影问题,对阴影去除算法进行改进更好的去除图像中的阴影成分。为了对不同场景进行目标识别和行为理解,对传统的轮廓提取算法进行改进,并对运动目标进行轮廓提取。本文算法具有可行性,能很好的去除图像阴影成分,实现目标轮廓的提取。论文内容概况如下:(1)常用的目标检测法的基本原理和性能,如帧差法、光流法以及背景差法。分析其原理并对其进行对比总结,能够更好的掌握其应用领域。在此基础上,对图像特征、阈值法和形态学处理相关的知识进行了相应的学习,以便于提高运动目标检测的准确性。(2)经典的背景建模算法基本思想以及性能,其算法主要有平均背景法、基于混合高斯模型的背景建模法、基于非参数化的核密度估计背景模型法、ViBe算法以及基于码本的背景模型法。对各个背景建模方法进行分析,对比其性能以及适用场景,同时给出一定的改进见解。(3)基于运动目标检测算法的阴影去除,对阴影检测算法进行分析并针对光照变化带来的物体阴影问题,本文提出的改进算法是基于混合高斯模型的阴影去除算法。由上面对经典背景法的分析知,混合高斯模型能很好的提取运动目标。本文首先进行高斯混合模型检测提取出运动目标,然后结合阴影去除算法进行阴影去除,并做相应的后续处理,获得运动目标。与其他阴影去除法相比,本文算法的检测结果更准确,能更好的去除图像中的阴影成分。(4)基于运动目标检测算法的目标轮廓提取,首先分析经典边缘检测算子以及轮廓提取算法,在此基础上进行改进,其改进算法是一种迭代的轮廓提取算法。本文算法依然是基于混合高斯模型的,开始的检测同上,将混合高斯背景模型的检测出的前景目标图像进行图像预处理操作,然后输入一种基于迭代算法的轮廓模型,完成轮廓提取。实验结果表明该迭代算法在室内室外场景中均能能很好的提取目标轮廓。