背景差分法是解决运动目标检测问题最常用的方法，该技术的关键在于背景模型的描述、背景初始化和更新。针对前人的研究成果，本文分析和归纳了基于背景建模的方法在运动目标检测中的发展和应用，为在复杂背景下基于背景建模的运动目标检测的进一步讨论奠定了基础。本文从理论知识和算法实现上对混合高斯和ViBe两种经典背景建模方法进行了详细地讨论，深入分析了它们在含有随机噪声、不规则运动、镜头抖动、动态场景和阴影五种复杂背景的前景检测效果，指出这些方法远没有完全解决复杂背景下的运动目标检测问题。为了解决该问题，本文在经典码本模型的基础上重新设计了码本描述子，并实现了基于分层码本模型的运动目标检测算法。实验部分验证了分层码本描述子能够有效应对复杂背景，对上文提到的复杂背景的影响有较好的抑制效果；对比数据分析也表明本文方法比上述两种背景建模方法得到了较高的检测率和较低的误检率。此外，本文在探讨了复杂背景下的运动目标检测问题的基础上，还给出了一种在YCbCr颜色空间下基于色度的阴影消除方法，其中目标检测阶段采用分层建模与检测技术分离出含有阴影的运动区域并实时更新背景模型，从永久背景模型中提取背景图像并采用基于色度的阴影检测方法消除阴影，避免了在阴影检测与消除中使用固定背景的问题。在公开测试集上的实验结果表明，该方法能有效地适应背景的动态变化，对复杂环境中的前景目标检测与阴影消除有较好的效果。