随着视频分析技术、多媒体数据库、人工智能技术的发展，智能化视频监控逐渐成为安防领域的热点话题。运动目标检测算法是智能视频监控系统的关键技术之一，检测结果直接影响着智能视频监控系统后续算法的处理效果。在众多运动目标检测算法中，混合高斯背景建模方法具有背景变化自适应性和背景模型多模态表示两大优势，因此获得了研究者的广泛关注。在混合高斯建模算法中，模型参数更新变量的选择影响着算法的检测效果。若能依据监控对象运动状态的不同，自适应的更新模型参数的更新变量，可获取较好的检测效果。　　 本文主要的研究内容如下：　　 研究了在运动目标检测研究领域获得广泛关注的三种算法：光流法、帧间差分法、背景减除法。在此基础上，针对运动目标检测在复杂场景下的运用问题，详细介绍了一种鲁棒性较强的多模态算法--混合高斯建模算法，并针对混合高斯法计算复杂度较高的问题，提出了合并相邻高斯分布的改进方案。　　 讨论了基于特征匹配和基于亮度的运动估计算法，研究了运动估计算法在视频压缩编码中的应用。详细介绍了运动估计算法中具有良好实时性和精确性的块匹配算法，分析了块匹配算法的匹配准则与初始搜索点的选取策略，并对算法的搜索方法进行了研究。最后对运动矢量的时空相关性做出了阐述，利用运动矢量实现了对运动目标运动趋势的检测。　　 在混合高斯算法的检测基础上，提出一种结合模型关键变量的更新参数和运动目标速度矢量的改进方法，通过更新参数和运动矢量之间的数学拟合得到的关系式，根据视频序列中运动目标的运动矢量的数值，能够实现模型的背景更新参数的自适应设定，从而使得混合高斯算法构建的背景模型能够根据前景目标的移动速度进行快速有效的更新。　　 通过实验，验证了本文提出的相关技术方法，同时讨论了本文研究存在的不足之处，对下一步需要研究的问题作了展望。