基于视频序列的运动阴影消除是指从包含运动目标的视频序列图像中检测出运动阴影，并且消除其对理解和分析运动目标带来的影响。基于视频序列的运动阴影消除技术可以提高运动目标检测的精度，已经成为近年来智能视频监控技术研究的热点之一。 本文主要研究了一些关键图像特征在阴影消除中的运用，并且提出了一种在不同场景中均具有较高的阴影检测率和分辨率的多特征融合的运动阴影消除方法。 运动前景检测是运动阴影消除的基础。本文比较了帧间差分法、光流法及背景差法的优缺点。利用高斯混合模型建立背景，然后通过背景差分获取运动前景。同时还提出了一种基于规则的前景优化方法，结合滤波和数学形态学方法去除二值前景图像的噪声、填补前景内部的空洞。 详细分析了颜色特征和纹理特征对阴影消除的作用。颜色特征方面，总结了RGB颜色空间和HSV颜色空间中可利用的阴影特征，对现有的两种基于颜色特征检测阴影的方法分别进行了改进。纹理特征方面，从描述纹理特征和度量阴影纹理与背景纹理相似度这两个角度出发，分别提出了基于纹理相关性和基于纹理统计直方图检测阴影的方法．对上述各种基于特征方法在不同视频序列中的实验结果进行了分析。 为了克服基于单一特征阴影消除方法的缺点，本文提出了一种多特征融合的运动阴影消除方法。首先通过连通域分析，用外接矩形标识每个前景团块，获得团块的面积、质心等信息，然后分析场景的光照来判断阴影在前景团块中的位置。交通视频中目标因为阴影发生重叠，无法准确判断阴影位置。针对这一问题，提出了一种基于形状，通过分析前景团块轮廓上的特征点来分割重叠目标的方法。根据阴影的位置，在相应区域提取阴影种子点，计算阴影的颜色特征。并且按照一定的规则进行区域生长。最后，从二值前景图像中将区域生长的结果去除，并且用形态学等方法对目标进行后处理。实验结果证明了这一方法的有效性。多特征融合的方法不需要任何先验知识，可以自动获取场景和阴影的特征，并且能够适应不同的场景。