在智能视频监控中,前景目标检测的目的是提取感兴趣前景目标并将其用于中高层视频分析技术。因此,视频前景检测具有重要的研究价值,也是智能视频监控的核心内容。针对目前尚未解决或部分解决的前景检测挑战,分析了当前视频前景目标检测方法的不足,并提出有效的视频前景检测算法,同时设计并实现了视频前景检测系统。本文的主要工作如下:1、提出了基于背景复杂度自适应距离阈值修正SuBSENSE(Self-Balanced Sensitivity Segmenter,SuBSENSE)算法。针对SuBSENSE算法中初始化模型不准确和复杂动态场景下距离阈值更新慢造成前景漏检和错检问题,提出了一种改进初始化方式和基于背景复杂度自适应距离阈值修正的SuBSENSE算法。在算法初始化阶段,通过改进的三帧差法创建背景模型从而提高模型的真实性。在模型更新阶段,通过时间一致性和空间一致性度量背景复杂度,结合定义的背景复杂度修正得到的距离阈值,得到更准确的距离阈值用于像素分类。实验结果表明,该算法相较于原算法的整体检测效果得到一定程度的提升。2、提出了基于置信度加权融合与视觉注意的前景检测方法。针对样本一致性的像素分类算法无法有效应对颜色伪装和静止前景带来的检测挑战,提出了一种基于置信度加权融合与视觉注意的前景检测方法。首先,通过颜色和纹理维度置信度加权融合的方式检测运动前景目标。其次,自适应更新双层维度的置信度和权值。然后,通过结合显著性和纹理差异度构建视觉注意机制用于判定和检测静止前景目标,最后,将检测的静止前景与运动前景目标融合作为最终的检测结果。实验结果表明该算法能够有效应对颜色伪装和静止前景目标为检测前景带来的挑战,从而提升前景检测效果。3、设计并实现了视频前景检测系统。基于上述研究内容和提出的算法作为核心功能模块,设计并实现了视频前景检测原型系统,并增加了数据存储功能用于完善系统,最后通过系统实验保证了系统的有效性和应用价值。