视频监控以其视觉直观、准确及时、内容信息丰富等优点在安防技术中得到广泛应用，而运动目标检测是由传统视频监控转向智能视频监控的最重要的核心技术之一，运动目标的检测精度与效果直接影响后续的目标跟踪、目标分类、行为理解等处理过程，因为后续的工作大多只考虑视频中的运动区域。对复杂环境中光照条件、移动阴影、场景变更等条件下进行高效的运动目标检测是近年来计算机视觉领域研究的热点与难点问题。本文针对复杂环境中运动目标检测方法进行了深入研究，主要工作如下：（1）对简单的减背景方法、相邻帧间差分、运行期均值等方法的原理、效果进行对比分析，在此基础上提出一种结合背景差分及帧间差分的自适应阈值的运动目标检测方法，该方法采用OTSU进行阈值选取，背景模型更新过程中针对背景点与运动点采取不同的更新方式；该方法能够有效提高检测精度，但计算复杂度高，实用性较低；介绍基于形态学操作和基于轮廓的连通域分析方法来进行后续二值图像处理，便于对运动目标进行下一步分析。（2）对传统的混合高斯模型的运动目标检测的模型原理、背景更新方法进行深入研究，针对其对环境突变适应慢，固定高斯模型个数的缺点，提出一种能适应场景突变及自动调节高斯模型个数的改进方法；阐述了移动阴影产生原因及危害，着重分析了在HSV，RGB空间阴影检测理论，讨论了基于改进的混合高斯模型基础上在RGB空间进行移动阴影检测的方法。（3）在对以往运动目标检测优缺点分析的基础上，提出一种新颖的基于随机取值策略的运动目标检测方法，详细论述该方法的建模原理、背景模型更新过程，该方法利用视频序列第一帧快速完成背景模型的初始化，检测精度大幅提高，有效的抑制阴影及空洞、幻影，同时降低算法复杂度与计算消耗；通过与现有的检测方法进行对比分析，证明该方法的准确性与实用性。（4）阐述Directshow的工作原理，通过Directshow实现对采集卡数据的捕获，结合OpenCV对采集视频数据进行分析处理，使用基于随机策略的运动目标检测方法及连通域分析完成对运动目标检测、运动目标个数统计、中心位置显示、关键视频帧的存储；使用MFC编程框架完成运动目标检测系统界面的可视化。