运动目标检测无疑是当今智能视频监控系统的基础和重中之重,是后续目标识别、跟踪及行为分析的前提。然而运动目标检测易受光照、雾霾、雨雪等复杂场景的影响,为提高系统的鲁棒性和适用性,结合可见光和红外成像特性,通过融合两者优势获得更好的运动目标检测效果。本文着眼于计算机视觉技术在智能视频监控中的应用,对可见光和红外图像增强、配准、融合及运动目标检测算法进行了研究,以应对监控中的复杂场景,从而实现监控系统全天候、全时段工作。首先,本文阐述了常用的图像增强算法,分析可见光图像和红外图像成像特点,并针对各自特点分别进行增强,提高图像质量并突出感兴趣区域,从而为图像后续处理奠定基础。然后重点介绍了基于特征的图像配准方法,阐述了运用视觉显著性和SIFT方法提取及匹配特征点,通过仿射变换和双线性插值完成对异源图像的严格配准,并在多种情况下验证了该方法的不变性和鲁棒性。接着本文分析了常用的可见光和红外图像融合方法,重点提出了基于空间频率和模糊变换的彩色图像融合方法,并从主观和客观两方面评价和比较了本文方法的优越性,为运动目标检测奠定了良好的基础,更好地应对复杂场景。最后比较了运动目标检测常用算法,改进帧间差分法并结合W4背景减除法提出了本文方法,并在不同场景下验证和比较了本文方法,从定性和定量两方面表明了本文方法的先进性。