针对序列图像的背景减除可以实现运动目标的检测,通过分离图像的背景和运动目标,获取图像的有效信息,从而根据获取的运动目标对其特征进行分析并加以处理,在目标的目标跟踪、关节定位、动作分析理解及3D重构等领域具有很高的应用价值。本论文在研究了背景区域灰度值的分布特性和数学模型的基础上,确定了基于高斯混合模型的背景减除算法;针对传统的最大期望算法存在运算量大、受初始值影响容易产生局部极大值的问题,提出了一种结合了根据图像灰度值快速初始化高斯混合模型参数的算法,提高了背景模型参数的初始化速度,并提高了高斯混合模型参数初始化的准确度;针对背景减除后运动目标中的阴影,研究了颜色空间的基本特性,提出了在HSV颜色空间下基于阴影亮度和色度特征的阴影检测算法,针对高斯混合模型背景减除的结果进行阴影消除。基于VisualStudio2015平台和OpenCVv3.2.0函数库,针对室内室外不同光照条件下的序列图像,采用本文的算法分别进行了背景减除实验与基于HSV颜色空间的阴影消除,并与基于核密度估计法和码本法的背景减除法进行对比。实验表明,本文提出的阴影消除方法对于运动目标的检出率平均高于80%,与仅基于高斯混合模型的背景减除算法相比,能得到更清晰的运动目标形态,且阴影面积得到了有效的减少。