智能视频监控系统是当前的热门话题之一，由于其高度的智能性以及强大的功能，它正逐步取代传统的视频监控，同时，随着市场需求的不断发展与扩充，相关的技术也成为研究的热点，但相比于国外，我国在这方面算法的研究起步较晚，水平也较低，市场上相关产品的性能，包括稳定性与准确性方面仍然落后于国外，本论文对运动目标检测与跟踪监控系统中所用到的一些算法进行了研究，提出了相关的改进算法，并通过仿真实验验证了算法的有效性。本文首先介绍了一些图像处理方面的理论知识，包括RGB与HSV色彩空间的相关内容，以及图像灰度化的方法。同时对图像预处理和后处理中所用到的图像增强与噪声去除方面的相关技术和方法进行了分析说明。然后研究了静态背景下的运动目标检测方法，分析介绍了减背景法的原理思想，以及获取与更新背景图像的各类方法的实现原理及步骤。紧接着讨论了帧差法，包括两帧差分法与三帧差分法，对两种方法的实现步骤分别进行介绍，并通过仿真对比两种方法的性能，分析了它们的优缺点及存在的问题。其次，提出了用于运动目标检测的改进型三帧差分方法，该方法利用帧差法提取当前帧ROI的同时建立并维护了一个彩色背景图像，此背景图像用于进一步对粗提取出的ROI进行划分，增加最终得到的前景区域的准确度。为避免前景目标与背景色彩不同而灰度相同所带来的干扰，本文提出利用改进的选择更新法或改进的Surendra方法从训练样本图像中计算得到彩色背景图像，实验结果表明该方法可从较少的训练图像中获得较好的背景图像。在背景图像的更新方面，本文将当前帧引入背景图像的更新过程，使得背景图像能及时跟进场景的变化，最后，通过计算前景图像与背景图像的欧氏距离来进一步从前面获得的前景区域中提取真正的运动目标区域。实验结果表明，相比于三帧差分法，本算法能够准确提取出当前帧的运动前景区域。阴影检测方面，本文结合光照模型对阴影的形成机理与过程进行了分析，并分类介绍了现有的阴影检测与消除方法，对其中基于特征的和基于模型的方法进行了简单分析与对比，在此基础上，提出了基于黑体辐射理论的阴影检测算法，该算法利用直射光与散射光色度不同的原理进行阴影区域的检测，算法可直接通过将输入图像在RGB色彩空间进行处理来获取图像中的阴影区域，仿真结果表明该算法能有效检测出图像中的阴影区域。