运动目标检测是计算机视觉技术领域中的重要内容，已经广泛应用于智能监控领域，目标检测的准确率直接影响到后续的目标跟踪和行为理解。混合高斯背景建模算法是一种广泛应用的经典运动目标检测方法，本文针对其背景模型生成速度慢的缺点，给出了新的模型参数更新方法，加快了背景生成速率;另外，为消除包含在运动前景中的光照阴影，给出一种适用于室外强光照阴影的阴影消除算法，与传统的算法比较，本文算法阴影去除效果好，提高了运动目标检测的准确率。　　本文首先讨论帧间差分法、光流法和背景减除法三种运动目标检测算法，对比各算法优缺点及应用场合，分析选取背景减除法中的混合高斯模型作为背景建模基本方法。给出了一种改进的混合高斯建模方法，该方法采用自适应学习率参数取值策略，加快了初始背景的更新速率，通过实验仿真，本文算法能够在前30帧建立准确的背景模型，比传统算法加快了10帧;同时，在前景检测中设定面积阈值判别有效运动区域，消除了复杂场景下的不规则干扰。　　针对本文算法检测出的前景中包含光照阴影的问题，论文首先研究了基于颜色空间、颜色直方图、色彩特征不变量的三种阴影消除方法，发现这三种算法对强光照的适应能力不强，在强光照下对阴影的消除率不高。然后基于此问题，给出了一种基于LoG边缘检测的阴影去除算法，利用运动物体边缘信息丰富而阴影区域内部无明显边缘的特点，分别提取检测出的运动前景内部边缘信息与二值化前景边缘，对两次提取出的结果做差值，最终消除光照阴影。最后的实验结果表明，本文算法的前景检测率和阴影去除率分别达到了88.97％和87.38％，有效的消除了光照阴影。