现代社会中,智能视频监控是一种重要而且常见的应用。智能视频监控系统通常使用固定的监视器监控特定的区域,自动的检测和理解这片区域发生的各种情况。运动目标检测是实现智能监控的前提,有着重要的研究意义和应用价值,因此很多研究人员将目光关注在运动目标检测的实现上并且提出了不同的解决方案。为了更合理的模拟自然界的特征进行建模来实现运动目标检测,近些年研究人员提出了用非参数的核密度估计方法对背景像素特征的概率密度分布进行建模的方法。核密度估计方法不对背景像素特征的概率分布形式进行任何假设,仅仅是从数据样本点本身出发对像素特征的概率密度函数进行估计,最大可能的模拟出背景像素特征可能存在的任意形状的真实概率密度函数。本文所做的工作主要集中在以下几个方面：(1)本文提出了一种利用前景反馈增强策略的改进核密度估计背景前景联合建模方法。首先,该算法使用基本的核密度估计方法得到当前检测帧中的每个像素点属于背景的可能性。其次,利用以往的检测结果中的前景部分,对当前检测图像帧进行核密度估计,得到图像中每个像素点属于前景的可能性,用来辅助进行目标检测。将一个像素点的背景可能性与前景可能性相结合,判断当前帧中的像素点属于前景或者是背景。有效的利用了先验知识并显著的降低了现有的背景前景联合建模算法的计算量,提高了检测的有效性和可靠性。(2)给出了一种利用前景边缘保持帧数进行背景样本点更新的自适应背景样本更新方法,在提高检测准确性的同时,有效的抑制了背景场景变化带来的鬼影问题和光照问题。我们统计一个像素点作为前景边缘连续存在的帧数,如果在一段时间内存在像素点持续的作为前景边缘,我们判定背景场景发生了变化,此时重建样本库；否则仅仅是更新样本库。(3)对在HSI彩色空间中应用核密度估计方法进行阴影检测给出了探索。有别于现有的HSV彩色空间阴影检测算法直接使用像素点特征的数值进行阴影检测的状况,本文给出了在HSI彩色空间中用概率组合条件检测阴影区域的尝试,取得了一定效果。(4)深入分析了核密度估计的理论含义和应用方法,给出了运动目标检测中的核密度估计方法在工程实践中的优化方向,并提出了我们的优化方案：一个构造的分段线性优化核函数。此分段线性核函数具有高斯核函数平滑性好的优点,并且在一维空间应用时计算量相比高斯核函数显著减少,适合工程应用。