智能视频监视系统有着广泛的应用前景，而其中运动目标的分割技术是其首要技术。运动目标的分割主要包括运动目标的检测和从图像中提取出运动目标所在区域，目的是为后续的目标跟踪和识别等操作提供数据。运动目标分割目前遇到的最主要的挑战是自适应性、实时性的实现和分割精度的提高。本文围绕视频监视中静止背景下运动目标分割的这些问题展开了研究。 本文的主要工作归纳如下： 1、本文研究分析了目前运动目标分割的三种主流技术，以自适应性、实时性 和分割精度为标准，认为基于背景差分的运动目标分割可以较好地满足上 述三个评判标准，但前提是背景估计必须实现自适应性。在研究分析了基 于统计学的背景估计和基于混合高斯分布的多模型背景估计方法之后，本 文从中启发，实现了一种基于概率密度直方图的背景估计方法，对该方法 进行了详细、深入地论述。该方法对图像序列的每个像素在一个时间窗口 内的历史取值进行分级统计，得到取值的概率密度直方图，取直方图中的 最大的一个或几个峰值作为背景的单个或多个模型。该方法采用“以空间 换时间”的策略，虽然需要的存储空间比较大，但能比较好地解决实时性 和自适应性问题，实验证明达到了预期的效果。该方法可以作为自适应的 背景估计的实现提供了又一种选择。 2、在提高分割精度方面，本文研究了运动目标分割的多种预处理技术，包括 去除运动模糊、消除噪声、检测并消除阴影、形态学滤波等。对每个预处 理技术都进行了理论研究和实验验证，并讨论了其在运动目标分割中的应 用。逆滤波法在明确知道造成运动模糊的运动偏移量和时间的情况下可以 应用于图像中的相应部分；Wiener滤波法可以消除视频监视图像中的大 部分小面积噪音的干扰，而形态学滤波则可以消除比较大面积的干扰：基 于HSV颜色分析的阴影检测与消除算法可以消除掉彩色监视图像中的运 动目标的阴影，在好的参数配置下效果理想。根据上述实用性讨论，本文 给出了一个能用于一般视频监视场合的运动目标分割的预处理过程：去除 噪音→基于HSV颜色分析的阴影检测与消除→形态学滤波→连通域标记 实验结果表明该预处理过程有效，满足实时性和一般精度的要求，可以用 作一般视频监视场合的运动目标分割的预处理。 3、为了研究上述理论的实用性和发现视频监视中自适应得目标分割系统构 建的一般问题，本文构造了一个面向公路交通监控中运动车辆分割的实验 系统。实验表明本文介绍方法的自适应性、处理实时性和分割精度都较高。