运动目标检测技术是计算机视觉领域最活跃的研究课题之一。在智能视频监控、人机交互系统、智能交通系统以及军事领域都有广泛市场前景和应用价值。该技术属于计算机视觉中的低级处理部分,也是最基础的环节,其处理结果的好坏对完成视觉系统的后续工作起着至关重要的作用。然而动态背景、光照变化、阴影及遮挡等客观因素对运动检测算法会产生非常大的影响,所以在较为复杂的环境下如何快速准确的得到完整的运动目标是近年来研究的热点问题。本文重点针对复杂环境下的运动目标,在目标提取与运动阴影消除两个方面开展了工作。首先对经典的运动目标检测算法进行了深入的研究讨论,从实时性、空间准确性、时间一致性以及抗噪能力等四个方面对比总结了各种算法的优缺点及适用环境。针对复杂环境下采用经典算法检测目标所面临的问题,提出了一种基于K均值聚类的运动目标检测算法。实验表明,该算法不但可以有效地提取出运动目标,而且同传统的方法相比具有较好的自适应性和鲁棒性。针对在光照的条件下运动目标产生的运动阴影,提出了一种基于支持向量机多特征融合的运动阴影去除方法,通过验证表明该方法有效,且在性能上比传统的去除算法也有所提高。