随着计算机视觉技术的快速发展，智能视频监控系统作为安全防卫的一个重要手段在社会生活的各个方面有着广泛的应用前景，快速而准确地检测出运动目标是实施视频监控的前提和关键。因此，运动目标检测已成为计算机视觉领域一个越来越热门的研究课题。在运动目标检测中，对差分图像自适应地选取最佳阈值是其中非常重要的一个步骤。本文以差分图像的自适应阈值分割为研究重点，主要研究工作如下：1.在摄像机静止的情况下，对道路上的车辆和行人进行目标检测，采用最大类间方差法（Otsu）实现了差分图像全局阈值的自适应选取，实验结果表明该方法能较好地分割出运动目标。2.针对场景中行人目标所占比例过小的情况，对差分图像分割时提出了改进的局部自适应阈值算法。首先建立积分图，然后遍历所有像素得到像素点的空间邻域信息，最后在阈值判别式中引入局部方差从而进行二值化操作。实验结果表明基于积分图的局部自适应阈值算法比全局阈值的一维最大类间方差法（Otsu）更能精确地检测出小运动目标。3.在户外交通环境下，摄像头因为外界因素的影响并不能保持静止，所以视频帧会出现不规则抖动，而且由于复杂背景中物体的变化，传统的运动目标检测方法和混合高斯算法都不能有效地检测出运动车辆。针对上述问题，提出了一种基于分解的三维最大类间方差法（Otsu）结合隔帧对称差分的运动车辆检测方法。首先通过隔帧对称差分法得到两个差分图像，再对这两个差分图像采用基于分解的三维Otsu法阈值分割，最后对这两个二值图像采用数学形态学滤波后求交集得到运动车辆目标。实验结果表明，该方法在视频帧出现不规则抖动的情况下能实时和精确地检测出运动车辆。4.针对场景中目标密集出现的情况，提出了改进的基于最陡上升法的三维最大类间方差法（Otsu）结合混合高斯背景建模的运动车辆检测方法。首先采用混合高斯模型来建立背景并自适应更新，很好的解决了背景差分法中由于光线变化、物体干扰等动态因素引起的背景失效问题。在当前帧与背景帧作差分运算后，采用改进的基于最陡上升法的三维Otsu法阈值分割从而滤除噪声。通过确定阈值分割范围改变三维直方图的区域划分，减少计算量，满足了系统实时性的要求。实验结果表明，该方法在保证实时性的前提下能更加精确地检测出运动车辆。