智能视频监控(IVS)是新一代的智能化管理监控系统，可以在无人监督的情况下，对监控摄像头捕捉到的视频内容进行全智能化的自动分析并鉴别异常情况实时报警。随着IVS的快速发展与广泛应用，运动目标的检测作为系统中的关键技术也日益受到大量的关注，在气候变化、光照变化、场景变更和背景晃动等复杂场景下进行有效的目标检测是近年来IVS领域的研究热点。本文从场景中存在的实际问题出发，主要研究了基于像素点和基于区域的背景建模方法，并针对具有场景变更和背景晃动的监控场景提出了两种基于背景差分的背景建模与更新方案。结合背景差和帧差算法，选择在Lab颜色空间中以亮度和色度作为分类特征，采用两种差分模型的特点进行背景更新，并采用OTSU算法进行自适应阈值分割，在背景更新的过程中，为了排除杂乱噪声的影响，对于不确定的区域还增加了多帧统计的联合判断。融合颜色特征和LBP等价模式的背景建模方法充分考虑了像素点之间的相关性，结合了邻域纹理信息和像素点本身的颜色特征，并采用改进的LBP等价模式，在减少了LBP模式算子的数量的同时还使邻域像素点对目标像素点的权重保持一致，排除了一些外界干扰的影响。为了检测本文算法的性能，本文做了大量的对比试验，对于第二种方案还采用检测率和误检率两个指标对检测结果进行定量分析。实验结果表明，本文的算法分别在解决场景变更和背景晃动的场景有着较好的检测效果。