目标检测是智能视频监控系统中最关键的模块之一,该模块通过对视频图像进行分析建立起背景模型,然后对比当前帧与背景模型之间的差异得到前景目标。对于最基础的目标检测模块,目前已经提出了多种检测算法。由于影响检测精确度的原因很多,包括光照突变,检测速度,噪音干扰,气候条件等,而且实际工程中复杂的水上背景,变化多端的气候条件,导致这些算法不能达到很好的检测效果。针对以上问题,本文对面向船闸的多目标检测算法展开研究,主要内容包括:　　⑴比较几种常用的目标检测算法的性能,总结出它们的优缺点。结合混合高斯背景建模的高检测率及滑动平均算法对光照突变不敏感的优点,提出一种新的融合算法,该算法很好的解决了混合高斯模型对光照突变敏感带来的检测失效问题。　　⑵对阴影的形成原理进行了分析,考虑到阴影的特性,其亮度与背景相比较暗而色度变化非常小,本文利用基于 RGB空间的阴影去除算法对船只的阴影进行处理。由于水波纹的影响导致阴影去除并不彻底,根据残留阴影的特征,提出了一种基于密度算子的二次阴影去除算法对阴影进一步处理,实验结果表明新算法能够达到理想的阴影去除效果。阴影的彻底去除,给船只的准确识别打下良好的基础。　　⑶介绍了DBSCAN聚类算法,利用DBSCAN基于密度聚类的性质,将其利用到船只的定位当中,从而判断船只与禁停线的相对位置。首先扫描出船头的曲线,根据船头顶点所在的位置及形状的特征,对船头曲线上的每个点进行聚类,得到的簇中心点即为船头的位置。　　⑷在 VC++6.0平台上实现了船闸视频监控系统,通过该系统提供的界面,用户可以清楚的看到当前视频与处理之后的前景目标,在开关闸门之前通过系统界面上的按钮可以实时的了解是否有船只越过禁停线,并且统计越界船只的数量。　　基于以上工作,提出了一种新的目标检测融合算法,根据残留阴影的特征提出了一种密度算子,将 DBSCAN聚类算法应用于船只船头的定位,实验结果证明本文提出的算法在目标检测以及船只识别上取得了良好的结果。