随着科学技术的飞速发展,与机器视觉相关的智能交通、智能安防以及近年来迅速发展起来的智能家居等高科技技术已经广泛影响着人们的生活。目标检测作为机器视觉领域中的关键技术之一,一直以来都受到相关学者的高度关注。通常,目标检测是将视频序列中有相对移动的目标提取出来,提取的结果直接影响对视频后续的分析、识别和处理等工作的质量。研究运动目标区域的准确提取始终是视频运动目标检测问题中关注的焦点。本文重点围绕基于低秩矩阵分解背景建模方法,展开视频运动目标检测研究,提出了时间连续性约束的优化低秩矩阵背景建模方法,并将其应用于视频运动目标检测,提高视频运动目标检测的准确度;进一步针对实际应用中普遍存在的运动目标阴影问题,提出采用融合纹理与颜色特征的目标阴影检测方法,有效去除投射阴影对运动目标提取的影响,进一步提升运动目标检测精度。本文的工作主要体现在以下三个方面:1.学习常用的运动目标检测方法,主要包括帧间差分法、光流法和背景减除法,并分别数值实现和对比分析了几种有代表性的方法。特别深入研究了背景减除法中的低秩矩阵分解背景建模方法,指出时间连续性约束在低秩矩阵分解模型应用于视频运动目标检测中的重要性。2.提出一种优化的低秩矩阵分解运动目标检测方法,该方法考虑到运动目标在视频序列中具有时间连续性特征,将时间连续性约束引入低秩矩阵分解背景建模模型,该优化模型能够有效地克服低秩矩阵分解背景模型中正则参数或分割阈值设置不当而造成运动目标提取精度下降的缺陷。实验结果表明,该优化方法主要具有两个方面的优点:一是可以有效去除由于成像设备或成像过程中引入的非连续性干扰,如噪声等。二是可以较好的克服较大运动目标提取时背景模型中存在的前景虚影。3.针对投射阴影问题,提出引入邻域帧约束的改进N-LBP纹理特征算子,并将该纹理特征融合颜色特征去除目标阴影。实验结果表明,有效的阴影去除方法对于提高视频运动目标检测精度十分必要。