视觉运动目标检测与跟踪算法的研究是计算机视觉和模式识别领域的一个新兴的热点,应用于智能视频监控系统和辅助驾驶系统等。其中,智能视频监控系统是为了使用计算机来代替人的行为,使该系统具有收集真实而有意义的信息的能力,然后做出适当的决定,从而保证公共的安全。智能视频监控关键技术在于视觉运动目标的检测与跟踪技术,而影响检测效果的因素有很多,其中光照的因素是主要的因素之一。研究对光照变化鲁棒的视觉运动目标的检测与跟踪技术对于智能视频监控系统达到其优越的性能有着很重要的意义。国内外很多著名的科研机构及研究人员已经开始对智能视频监控系统进行深入的研究和开发,如美国卡内基梅隆大学,中科院自动化所等,分别开发了智能视频监控平台。进一步提高视觉运动目标检测与跟踪算法的鲁棒性和实时性,对达到系统可靠和智能的目的非常关键,当中研究涉及了许多的难题。本文针对智能视频监控系统的运动目标检测和跟踪算法进行了深入细致的研究,首先对常用方法：光流法、背景差分法、帧间差分法进行了分析讨论,并且重点以背景差分法为基础来研究新的背景建模和背景更新的方法。室内外的不同场景有不同的光照条件,针对不同条件来研究相应鲁棒的算法,给出相应的能够适应复杂状况下的解决方案,包括白天室外、夜晚室外、室内灯光突变的场景,同时去除了阴影对检测的影响。针对室内灯光突变的场景,现有的背景差分法及改进算法很难很快的适应光照的突变,以至于大面积的背景像素会误检测为前景像素。本文以目标处于运动状态为前提,以分类分块思想为基础,提出了一种光照鲁棒性的运动目标检测快速算法。通过实验,该方法速度快,检测精度高,能很快的适应光照突变,及时的更新背景图像,同时满足实时性和精确性的要求。对基于纹理特征LBP及其多种变形的目标检测算法在白天和夜间场景的性能进行了对比分析,分别选择出白天和夜间场景下性能最佳的算子。针对白天场景,对CS-LBP算法进行了改进,提出了MCS-LBP算法。为了提高算法的速度,提出结合帧差法/kalman预测的目标区域MCS-LBP检测方法。针对夜间光照不足,图像对比不明的情况,本文分析了非线性反色调映射的图像增强算法,同时选用CLBP算子进行夜间目标检测,并在试验仿真中对两种算法作对比分析。最后,结合本文研究的多种鲁棒算法,提出了光照鲁棒性视觉运动目标检测与跟踪系统方案。