基于视频序列的运动目标分析技术被广泛应用到智能视频监控、地形匹配、图像导航制导、人体运动细节分析、人工智能等领域。其中运动目标检测是运动目标分析技术的最底层，属于基础性工作，准确的从视频图像中提取出完整的运动目标是后续视频图像运动分析能否顺利进行的关键。国内外研究人员对运动目标检测的相关技术做了很多详细而深入的研究，并取得了许多效果不错的方法。运动目标检测技术的各种实现算法是目前研究人员重点关注的研究内容之一。首先，本文阐述了课题的研究背景和意义，并对相关领域研究的现状和发展趋势进行了综述。对运动目标分析技术的整个流程做了概述，重点介绍了目标检测、阴影的检测和消除、图像噪声消除等相关算法。其次，本文重点对基于背景建模的目标检测算法进行了分析研究，试图从中发现问题并提出改进方法。对于背景模型的直接提取法、统计平均法、W4背景建模法、单高斯背景建模法以及混合高斯背景建模法进行了分析研究。传统混合高斯背景模型初始化背景帧时要求背景场景中没有运动物体，否则往往会把运动的物体放入到背景模型中，针对这一弊端，本文在背景帧初始化时使用中值滤波法，实现即使在背景场景中存在运动物体时也可以准确的获取初始帧。传统混合高斯背景模型更新时，模型参数均值和方差的更新系数都取同一个值，这样会导致背景模型的收敛性和稳定性得不到满足，本文也提出了一种改进方法。在混合高斯背景模型的训练初期，新方法让均值和方差的更新率都取较大值，这样使得模型均值和方差更新速度变快，使得模型学习速度加快，快速得到与真实背景相符的背景模型；在以较大更新率训练一段时间以后，让均值更新率不变，方差更新率变得较小，这样背景模型就不会有太大的波动，稳定性能更好。最后，因为阴影属性和背景属性的差别以及阴影和运动目标有相同的运动特性，在目标检测过程中，阴影总会伴随着运动目标。本文对基于统计、色彩特征不变量、颜色模型的阴影消除方法进行了分析研究，针对HSV色彩空间的阴影消除算法能准确消除阴影但是计算量大的问题，提出一种改进方法，能够减小计算量，提高实时性，经过实验验证能够有效的消除阴影。