前景检测是智能监控系统获取外部信息的重要步骤之一,在安防体系、智能家居、智能交通以及国防安全等领域都有着广泛的应用。随着智能监控系统的不断革新,前景检测技术也逐渐成为近年来的研究热点。前景检测作为智能监控系统的基础技术,有着重要地位和研究价值,是目标跟踪、行为识别等后续视频序列高层处理工作的前提。目前复杂场景下的前景检测问题,如局部光照突变、阴影干扰等,是国内外研究的热点。本文针对局部光照突变下的前景检测以及阴影抑制进行了研究。主要工作如下:针对现有的前景检测算法对场景中光照突变较为敏感的问题,提出了一种融合改进的LBP算子混合高斯模型算法。该算子模型在LBP算子的基础上,融合了空域和时域信息,加入中心像素信息,并引入自适应光照因子,使阈值可随光照不同而自适应改变。同时高斯模型算法与LBP算法互补了各自在前景检测中的缺点,使本文算法在解决了高斯模型检测存在的“空洞”问题的同时保留了LBP算法检测边缘信息的精确度。本文通过对常用实验场景和具有局部光照突变的特殊场景进行实验,验证了该算法的有效性。针对前景检测中存在的阴影干扰的问题,提出了一种基于HSI颜色空间与I通道比值梯度融合的算法。本文将I通道比值梯度与HSI空间H、S通道的颜色特征结合来达到阴影抑制的目的。实验结果表明,本文提出的阴影抑制算法达到了检测效果,很好的去除了运动阴影,同时保留了前景目标。基于上述工作的基础,利用经典的MATLAB软件设计平台界面,和Open Cv2.4.9开源函数库为图像处理提供接口函数,设计并实现了智能监控视频系统中视频检测处理模块系统的人机交互界面,方便用户更好的控制前景检测以及后续目标跟踪过程。