随着计算机科学技术和智能硬件设备的快速发展,人类已经迈入智能化社会,智能监控广泛应用在国防、交通以及安防等领域。运动目标检测作为智能监控中的关键技术,已经成为智能监控领域一个研究的热点。运动目标检测是利用数字图像处理、计算机视觉和模式识别等技术从视频序列中提取运动目标,作为后续图像理解、分析和跟踪运动目标的基础。虽然很多学者提出了不少运动目标检测算法,但是针对复杂动态场景下,已有算法存在着检测结果不完整、误检率高和对光照敏感等不足,因此本文研究自适应的背景减除有重要的理论意义和实用价值。本文对主流的运动目标检测算法之一的ViBe(Visual Background Extractor)算法进行改进,以提高ViBe算法在复杂动态场景下的检测精确性为研究重点,引入了历史像素值队列实现自适应分割阈值,提高了在动态场景下检测的精确性。同时,利用LBSP(Local Binary Similarity Patterns)纹理特征改进了ViBe算法的背景模型和更新机制,增强了背景模型的可靠性。本文主要研究内容包括:1.结合像素点在时域上的变化情况,引入一个历史像素值队列描述像素在时域上的变化情况。通过历史像素值队列的标准偏差设计并实现了自适应分割阈值和自适应更新因子,由实验结果可得改进算法与原始ViBe算法相比提高了在复杂动态背景下检测的精确度。2.针对光照变化对运动目标检测造成的影响,利用LBSP纹理描述算子和颜色空间联合建模改进了原始ViBe算法背景模型。在前景分割阶段,利用LBSP纹理描述算子对像素点进一步判定。通过实验对比,改进算法有效提高了像素分割的准确性,增强了对光照变化的鲁棒性。3.通过深入分析鬼影形成的原因和性质,结合空间邻域一致性原理,改进并实现了一种鬼影检测和消除算法快速检测和消除检测结果中的鬼影区域,排除了错误像素对检测结果的影响,提高了检测精度。最后,总结研究工作,并指出后续的研究方向,为进一步研究开拓了思路。