通过对小区卡口监控视频场景中的物体进行检测和标注,可以发现是否有异常的人或车辆等进出小区。传统的运动目标检测构建于背景建模基础之上,这种方法只能用于简单的单目标检测,对空间位置存在重叠的区块则无法实现。另一方面,基于深度学习的目标检测,只是对感兴趣区域目标的位置和类别进行检测,没有关注其是否处于运动当中。针对上述的种种问题,本文开展了以下两个方面的工作。(1)提出了一种在大块前景与背景颜色相似下的背景建模的有效方法。本文使用了基于码本的多要素的背景建模算法,它结合了色彩与纹理信息,对图像的每个像素点逐个建立码本并在运动过程中进行不断更新。并且对比了数种经典的背景建模方法,确保本文所使用的码本算法可以完整地将前景从整幅图像中提取出来。同时本文提出了三通道颜色直方图均衡化,来克服前景与背景的色彩与光照强度相似的大面积区域无法检测问题。并进行一些形态学操作以形成具有较强抗干扰能力的背景建模方法。(2)提出了在小区卡口运动前景区域目标标注的有效方法。本文针对背景建模所获取的运动物体无法有效分割的问题,引入了基于深度学习的目标检测器。将背景建模所获取的运动前景送入目标检测器中,使该检测器对每块前景中的每个物体逐个进行定位识别。最后将所获得的物体类别与位置映射到所要检测的整幅图像中。形成一个完整而鲁棒的小区卡口监控视频运动目标标注系统。最后,通过大量的对比实验来测试算法处理的效果,验证了本文所提出的算法的有效性和鲁棒性。本文有机的结合了基于背景建模的前景获取与基于深度学习的目标检测,对卡口监控场景下的运动物体,能够进行有效的检测和标注,从而可以对进出小区的人与物实现精确有效的监控。