随着计算机视觉技术以及网络传输技术的发展,智能视频监控方式也逐渐取代了传统人工视频监控的方式来完成对于指定场景的监控。智能视频监控系统涉及众多的计算机视觉技术,如图像处理、目标检测、模式识别以及图像理解等。其中,目标检测作为智能视频监控中的关键技术,快速准确的目标检测算法对于后续的视频监控有着重要的作用。但是,目前常用的目标检测的方法虽然可以实现对监控视频中运动目标的检测,但是其在目标检测的准确性,算法处理速度,内存占用,时效性方面有各自的缺点。针对上述问题,本文归纳总结了不同的目标检测算法,在对不同的目标检测算法的实验结果进行对比分析后,本文选择ViBe算法作为本文主要研究对象。本文对传统的ViBe算法提出了改进,可以实现在较小内存占用,较快的检测速度的情况下,解决了传统的ViBe算法在特定情况中的鬼影问题以及阴影问题,提高检测的准确性。本文研究内容主要包含以下部分:1.本文对于显著性检测、形态学滤波以及颜色模型这些目标检测的相关知识进行了研究。同时深入研究了目前主流的运动目标检测算法,对这些算法进行详细的对比分析。通过实验结果分析得到这些运动目标检测算法的优点与缺点。2.针对ViBe算法的鬼影问题,本文提出了一种基于显著性检测与背景自适应更新的鬼影消除算法。该算法主要包括以下两点:(1)基于图像的显著性特征,对视频的第一帧图像做显著性检测预处理,分割得到目标前景区域与部分背景区域,使用背景区域填充后得到准确性较高的完整背景集合建立背景模型,提高了背景建模的准确性。此改进算法可消除由于监控视频首帧含有运动目标所产生的鬼影。(2)在ViBe算法的随机更新策略中引入鬼影判定条件,对于满足鬼影判定条件而被判定为鬼影的区域,自适应的提高此区域背景集合更新的概率,加快消除鬼影的速度,从而快速消除视频中目标在初始静止后续运动情况下所产生的鬼影。3.针对ViBe算法中的阴影问题,本文提出了一种基于混合颜色空间的阴影消除算法。该算法主要通过构建混合颜色空间,根据同一个区域阴影覆盖时和非覆盖时,颜色特征的变化情况,检测出阴影区域,从而消除阴影。最后,本文融合了鬼影与阴影消除算法构建基于显著性检测和背景自适应更新的混合颜色空间ViBe算法。实验结果表明,本文算法可以快速的消除图像中的鬼影与阴影区域,提高了目标检测的准确性,为视频监控系统的后续模块奠定了良好的基础。