视频运动目标检测技术是计算机视觉的一个重要分支,广泛应用于智能监控视频、军事装备等多个领域,目前已经有许多成熟的目标检测算法,背景减除法作为经典的一种方法,受到广大学者的关注。背景减除法又分为直接减除法和背景建模法,相比之下背景建模法有更好的提取效果。在常见的背景建模法中,基于视觉背景建模法的性能是最好的,但是在复杂的场景下,检测效果不够理想。本文主要以视觉背景建模法为基础,对复杂环境下的视频运动目标检测进行深入的研究,以下为具体研究内容。(1)首先对目前常用的背景提取算法做了理论性介绍与实验性分析,总结了各种算法的特点以及应用场景,并根据这几种算法不足之处提出了一种新的背景提取算法。然后对视频前景目标检测算法进行了研究,对目前常用的前景目标检测算法做了理论性阐述与实验性分析,对各种算法的特点以及适用场景做了分析。最后,对背景减除法中的背景建模法进行了深入的研究,对常用的背景建模法进行了详细的介绍与分析,并以性能较好的基于视觉背景建模法为研究基础,针对其不足之处,提出了一种改进的基于视觉背景建模的前景目标检测算法。(2)其次针对目前已有的背景提取算法在视频帧数较多情况下时效性低、视频中存在前景目标时提取结果中存在目标拖影、场景中存在动态背景作为干扰因素时以及提取结果中存在大量噪声等问题,本文提出了一种基于分段加权和的背景提取算法。该算法首先将灰度值分为十个区间,然后统计图像中每个像素点在所有视频帧中出现次数最多的三个区间,再以视频首帧为研究对象,当待测像素点像素值属于其所在的三个区间之一,则将首帧中该像素值作为背景图像中该位置的像素值,否则将其对应三个区间的加权之和作为背景图像中该位置的像素值。由于该算法不仅考虑了视频中的前景目标,还考虑了视频中动态的背景干扰因素,并对像素值分区间统计,从而在提高性能的前提下大大减少了算法的时间复杂度。实验结果表明该算法的背景提取效果优于目前其他的背景提取算法。(3)最后对基于视觉背景建模的前景目标检测算法进行了分析,针对其在视频首帧中存在前景目标时检测结果中会存在拖影现象,以及当视频场景中存在动态背景作为干扰因素时,提取结果中会有大量的噪声等问题进行了研究。通过分析发现,拖影现象主要是由视觉背景模型初始化不准确导致的,因此本文采取基于素点区间加权和的背景提取算法所提取出的背景图像作为基于视觉背景建模方法的模型初始值,解决了视频首帧存在前景目标时导致的拖影现象。而检测结果中存在噪声的现象,是由于像素点分割策略是采用一个全局的固定阈值而导致的,因此本文提出一种基于自适应阈值的匹配算法。该算法根据每个像素点背景模型中任意像素点之间的距离来判断当前像素点的动态程度,然后根据动态程度计算当前的匹配阈值。当动态程度较大时,通过适当增加匹配阈值,使动态背景能够检测为背景像素点行列,否则减小匹配阈值使得变化较小的前景点也能被检测出来。本文在公开数据集CDnet 2014中选取不同场景下的视频进行实验,通过前景目标检测的客观评价指标精确率和召回率进行的定量分析与对比发现,本文提出的算法在各种复杂场景下,检测性能都优于目前其他的前景目标检测算法,有较好的鲁棒性。