基于序列图像的运动目标检测是计算机视觉领域的重要研究方向之一,它是智能监控、人机交互、移动机器人视觉导航、工业机器人手眼系统等应用的基础和关键技术,在图像处理、工业检测、智能系统等领域有广泛的应用前景。本文对复杂场景的背景建模与运动目标检测进行了较为深入的研究,并着重研究了高斯混合模型与运动目标检测中的阴影消除问题。本文的主要工作如下:(1)对现有的几种典型背景建模算法,从处理速度、对计算机内存的需求、运动目标检测效果三方面进行了比较,并给出了实验结果。(2)对高斯混合模型进行了较系统的推导与分析,这对有关研究有一定参考价值。(3)针对固定摄像头的智能视频监控系统,提出了一种改进的基于高斯混合模型的运动目标检测算法。通过对高斯混合模型参数更新机制所存在的问题的分析,对方差的更新方法进行了改进,解决了在更新过程中方差不断偏小的问题;同时,该算法采用了智能的参数更新机制,使高斯混合模型的运算量显著降低。(4)针对固定摄像头的智能视频监控系统,提出了一种基于色彩空间变换与高斯混合模型的阴影消除方法,该方法首先对序列图像进行运动目标检测,将被检测为运动目标的像素从RGB色彩空间变换到HSV色彩空间,在HSV色彩空间利用像素的颜色属性判定某一被检测为运动目标的像素是否为疑似阴影,再利用高斯混合模型的聚类功能判定疑似阴影是否为真正的阴影。实验结果表明,本文提出的算法可有效地消除运动目标投射的阴影,并具有较强的实时性。