随着计算机及其相关技术的飞速发展,基于视频图像序列的智能监控系统在军事、交通以及安防等多个领域都得到了广泛的应用,对运动目标进行准确检测已成为当前智能视频监控领域的一个研究热点。近年来国内外学者为了提高复杂环境下运动目标检测的鲁棒性、实时性和准确性,改进了许多运动目标检测算。本文主要研究了运动目标检测技术,并选取了简单背景、复杂背景、光照缓慢变化、光照剧烈突变的视频作为测试视频,重点研究Codebook算法。针对该算法存在的不足进一步深入研究并对其改进,通过仿真实验验证了改进算法的性能和可行性,设计并实现了视频图像中运动目标检测系统。本文主要研究工作如下:1.通过大量查阅国内外运动目标检测方面的相关文献资料,本文总结了智能视频监控系统中运动目标检测的研究现状,深入研究了视频序列图像中基于背景减除法的运动目标检测算法,分析了运动目标检测过程中存在的难题。2.在研究Codebook背景模型的基础上,针对传统Codebook需设置较多经验参数、光照变化环境检测率低等问题,本文提出了一种光照改变预测的自适应码本背景模型。利用增加学习率的方法对背景模型进行自适应更新;对模型中的颜色扭曲度和亮度范围公式进行改进,减少了经验参数的设置;通过增加光照预测机制,使背景模型更加准确,提高了检测的准确性。3.为了提高运动目标检测的完整性,本文研究了超像素分割,提出了一种基于简单线性迭代聚类的Codebook模型,用分割出来的相似像素区域块代替单个像素进行背景建模,使背景模型更逼近于真实背景。在背景模型的更新过程中,针对复杂环境中的动态背景和突变背景采用不同的更新方法,实验验证了本文改进算法的性能和可行性。4.在对视频序列图像中运动目标检测算法研究并进行改进的基础上,本文设计并实现了在复杂环境中可以准确检测运动目标的软件系统。最后,对本文的研究内容进行了总结,并指出了后续的研究方向和思路。