基于图像处理、计算机视觉的智能视频监控技术主要涉及目标检测、目标跟踪、行为学习、场景理解等方面,其中运动目标检测的效果直接决定了后续处理能否顺利完成,是智能视频监控中最为关键的一个步骤。如何在克服外界条件的干扰下提高检测的准确性是运动目标检测难点,因此,研究视频序列中运动目标检测具有重要的理论意义和应用价值。本文主要研究了自适应视觉背景更新的运动目标检测算法,以提高运动目标检测的准确率、实时性为研究重点,提出了结合时空域视觉背景提取算法来实现高效的检测。同时,利用像素的局部灵敏度信息以及局部二值相似模式描述算子消除外界条件的干扰,本文设计了一个运动目标检测系统,主要研究工作如下:1.研究智能视频监控中运动目标检测的国内外现状,对比现有的检测技术,并从鲁棒性、动态背景干扰、实时性与阴影等问题分析运动目标检测的难点,总结了现有的运动目标检测技术。2.本文深入研究并改进视觉背景提取算法,通过像素的时空域信息取代原算法中的空间域信息来实现背景模型的初始化。同时,利用24邻域作为样本点的选取范围,减少模型中错误样本点的数量,并采用标准偏差反映背景复杂度,实现分割阈值的自适应选取。本文的改进算法很好地解决了鬼影,提高了检测精度。3.本文对局部二值相似模式描述算子进行自适应调整,提升对光照变化的鲁棒性。同时,为每个像素定义运动熵来判定前景概率并结合闪烁像素特征,在不同环境下动态调整单个像素的分割阈值与更新率,有效地降低了闪烁像素的误检概率,提升了检测效果。4.研究自适应视觉背景更新的运动目标检测算法,本文设计并实现了运动目标检测系统,实验表明了该系统检测效果较好、计算复杂度低,满足运动目标快速准确检测的要求。