随着计算机计算和存储能力的提高,其中的视频监控技术已经得到长足的发展,特别是3G网络的兴起,使得用户可以随时随地的进行远程监控,进一步扩大了视频监控的应用领域。然而,目前的视频监控技术主要还是针对静态背景下的应用,对复杂环境仍比较脆弱。因此,本文针对动态背景下的运动目标检测问题进行研究,我们采用码书模型的方法构建自适应性的背景模型。本文的主要总结如下：(1)研究目前检测运动目标的基本方法：对视频监控中检测运动目标的基本方法做了总结,同时分析和阐述了它们各自的优缺点。我们重点介绍了减背景法的基本检测流程,特别是总结背景建模的各种方法。(2)提出基于单一像素的HSV码书模型：我们将区分度更高的HSV颜色空间引入,进一步精简前人提出的基于单一像素RGB码书模型的码字属性个数由9个为4个,并提出更简单的方法来计算颜色扭曲度和亮度范围,使得该码书模型不仅占用内存少,而且具有较低的计算复杂度。另外,针对动态背景变化剧烈和持续时间长的特点,提出不精简码书直接构建背景模型的方法,使得检测结果具有更少的空洞。(3)提出基于区域像素的HSV码书模型：研究发现区域像素的整体性特征比单一像素特征更稳定,因此,本文进一步提出了基于区域像素的HSV码书模型。首先,我们提出阈值尺度因子,使得阈值能够随不同的视频环境略微变化；另外,该模型充分利用区域强相关性,并采用小样本学习的方法进行加速；进一步,为了使得检测结果伪目标更少且不会陷入“恶性循环”,本文提出反馈校正更新学习机制；最后,我们还提出覆盖率曲线和准确率曲线两个新概念,对检测结果的整体准确性进行检测和评价。