随着经济的发展和人民生活水平的提高，安防行业越来越受到人们的关注，其中的视频监控技术蕴含着巨大的发展潜力，是新型科学研究领域之一，其应用范围日益广泛。运动人体定位是智能视频监控的核心技术之一。由于自然环境的多变性，例如，光照强度的变化、类肤色运动物体、不含肤色的运动物体和类圆运动物体出现等，很大程度上阻碍了运动人体定位的发展。随着运动人体定位研究的不断深入，发现单一的运动定位方法存在很多的不足，漏检和误检现象时有发生。为了解决复杂背景对运动人体定位的干扰问题，本文提出一种融合人体肤色、环境光照、头部轮廓和人体先验知识等特征为一体的复杂背景下的运动人体定位方法。首先，本文先介绍了一些图像预处理的基本知识，包括图像灰度化、图像滤波、图像二值化、形态学滤波、边缘检测等。其次，因为采用传统的帧差法不能实时性地运用到的视频监控中，因此本文对视频序列图像运用改进的帧差法提取运动区域，改进后的帧差法可避免传统帧差法对t+1时刻的视频帧的不可预见性。再次，由于采用肤色特征定位运动人体，具有计算量小，速度快等优点，因此本文在用改进帧差法提取的运动区域中用自适应环境光照法查找肤色区域，即先计算图像的亮度均值，并以此作为表征环境光照的参数，将环境光照参数融入到肤色模型当中，以排除环境光照变化对肤色检测的影响，并结合人体先验知识排除一些类肤色的运动物体。最后，如果运动人体定位对肤色特征过渡依赖，则会在未含有肤色的运动区域中产生漏检现象，因此本文根据人头形状是一类圆这一主要特征，进行人体定位，在未含有肤色的运动区域中采用改进的Hough变换查找类圆轮廓区域，本文利用先验知识对Hough变换检测类圆的参数空间采用降维的方法，以此确定次运动区域是否为运动人体区域。在PC机上运用matlab和c语言编程对所拍摄到的图像进行运动人体定位，并与其他算法的实验结果进行了比较。实验结果表明：该算法的定位效果在较为复杂的环境条件下表现出较好的性能，比单独使用一种算法的分割效果都好。