变化检测的研究对社会经济发展、国防建设、社会治安有着重要的意义,它的应用领域十分广泛,包括遥感图像分析、城市规划、智能监控、医疗诊断和治疗、水下测量等领域,它是目前图像模式识别里面比较经典的一个研究方向。变化检测是通过对不同时期图像的比较分析,根据图像之间的差异来得到所需要的目标变化信息,来完成最后的检测。变化检测可以运用于静态目标检测和运动目标检测。本文详细分析了目前广泛使用的几种变化检测算法,对光流场的计算、基于背景的建模、以及差分方法都进行了一定的研究和讨论,最后采用基于背景差分的变化检测方法。接着针对背景差分中的背景问题,分开对序列图像的背景建立和背景更新进行研究,在背景建立阶段提出了在空域基于象素灰度出现频率最大值的改进快速算法,完成原始背景的建立;在检测阶段,采用自适应卡尔曼滤波器参数的学习来完成背景的更新和恢复。紧接着对变化检测中的几种分割算法作了深入的研究和比较,根据差分图像的特点进行了大量的试验,决定在系统中采用基于三峰模型的分割方法。最后将变化检测分别应用到人脸检测和室外单目标的跟踪场合,根据各种算法的特点和不足,针对具体的场景采用多种算法相结合,取得了不错的试验效果。