随着经济的快速发展与社会的持续进步,道路交通作为第三产业,无论与人们的日常生活还是国民经济之间的联系变的越来越紧密。世界各国在开展大规模的道路建设的同时,纷纷将注意力投向了智能交通这一新兴领域,取得了许多先进经验和大量科研成果,并且在实际应用中获得了很好的道路交通管理成效。根据国内外众多学者在智能交通领域的各项研究成果以及他们所提出的各种算法,我们不难发现,智能道路监控能否进一步发展的关键就在于能否实现一种检测精度高、实时性好以及鲁棒性好的运动目标检测算法。作为一种经典有效的运动检测算法,混合高斯模型算法得到了广泛的研究与应用,然而同大部分算法一样,该算法有其一定的局限性。因此,本文针对道路交通场合,提出了改进算法。本文首先研究了与运动目标检测技术相关的图像基础理论知识,包括图像灰度化、图像滤波处理、数学形态学处理、图像二值化,并分别介绍了几种典型的处理方法,同时说明了在本文运动目标检测应用场合中应选择的方法,分别介绍了它们的基本原理、适用场景、优缺点。本文重点研究了混合高斯模型运动目标检测算法,介绍了它的基本原理,同时对它的重要参数进行了分析,针对混合高斯模型算法在道路视频运动目标检测中的不足之处,提出了两种改进的基于混合高斯模型的目标检测算法:(一)建立基础混合高斯模型,然后引入光照校正模型,将两者结合,改善光照突变情况下的误检现象,然后对检测结果进行一系列的处理(数学形态学操作、连通性分析等),达到优化检测效果的目的。(二)混合高斯模型运动目标检测算法在处理视频图像帧中逐渐静止的运动目标时,由于静止目标会逐渐融入背景之中,所以会出现漏检现象。针对混合高斯模型的这一缺陷,引入背景学习参数,纠正了目标因滞留在场景中被误判为背景的现象,有效避免漏检。本文还介绍了 ZedBoard开发平台,阐述其软件环境的搭建过程,同时在平台上给出改进混合高斯算法的实验结果和性能分析。