视频监控系统是公共安全技术防范系统的重要组成部分,它被广泛应用于国防、治安、交通、电力、工业控制等多个领域。视频监控系统中的运动目标检测技术融合了图像处理、模式识别、人工智能以及计算机科学等许多领域的先进技术,己经成为计算机视觉研究的重要领域。智能视频监控技术采用计算机视觉的方法,赋予计算机类似于人的理解动态场景的视觉能力,而运动目标检测是智能视频监控的前提与基础。在各种运动目标检测方法中,背景差法是一种重要的且广泛应用于静止背景下的运动目标检测方法。由于实际视频监控画面受气候、光照、画质等多种因素的影响,且实际场景变化非常复杂,因此如何设计一种具有自适应能力的背景提取与更新算法以适应实际环境的变化以及场景的改变,是背景差法的关键所在。本文采用了基于背景差法的运动目标检测算法,主要研究在静止背景下运动目标的检测与提取。针对背景差法的关键问题,通过对已有各种运动目标检测算法的研究和分析,改进了混合高斯背景建立模型,并提出一种新的运动目标检测方法,结合了混合高斯建模背景创建方面的优势以及滑动平均背景更新方面的优势,并结合环境评估,实现了选择性更新背景,在相对准确描述实际背景的基础上降低模型建立计算量,提高实时性,而且使运动目标检测更加智能。在运动目标与背景的分割方面,引入了改进的最大类间方差法,提高自适应能力。此外,通过一系列后处理方法,使运动目标区域更加完整,轮廓更加清晰与准确,为后续跟踪以及基于内容的智能分析提供了更加准确可靠的信息。