在当前复杂多变的社会环境中，智能视频监控系统起着十分重要的作用。现代智能监控系统能够检测可疑物体，对目标持续跟踪，协同其他的相关智能设备对事件作出反应。运动目标检测属于视觉监控技术的低端关键环节，快速准确地检测出视频中的运动目标，在整个后续的准确分析和研究中，这项技术必不可少。在科研工作中，学者们对运动目标检测这项技术也越来越关注。研究目标检测这个课题对科研工作和社会具有重要意义。
　　作为本论文开展探究的前提条件，论文首先对图像序列和视频的原理和它们之间的关系进行介绍。此外，对视频序列图像进行了灰度校正和消噪等预处理工作，确保接下来的检测工作能够不受各种物理条件影响，顺利进行。论文讨论了基于灰度校正的直方图规定化方法以及加权中值滤波算法，小波阈值去噪算法处理视频序列图像中的噪声的原理和过程。最后，对三种算法进行了实验测试，确定了他们在视频图像预处理中的作用。
　　论文对常用的三种运动物体检测识别法进行了介绍。对相邻帧的帧间差分，背景减除和光流场三种检测方法从理论原理和步骤流向等方面展开细致介绍。此外，所有方法均通过实验仿真得出效果结论，根据实验结果，比较三种方法的优差点。此外，论文还针对几种算法共同点和差异性展开了细致的分析工作。最后，论文针对运动物体检测中的难点——阴影除去提出了一种多特征混合SVM的方法分离了运动目标和阴影。在这个过程中，论文首先对目标阴影特点和特性等进行了简要介绍，确定运动目标中需要去除的阴影的种类，确保检测的正确性。然后讨论阴影的各项特征和各种色彩空间模型，根据色彩等方面的物理和数学等特征建立多特征混合空间模型。最后，根据SVM理论知识明确多特征融合模型和SVM两者结合进行去阴影物体检测的方法，经过样本训练，提炼出理想平面分离器，成功实现运动物体和阴影的分离。最后分别分类出两者，实现去阴影去除功能。算法通过实验测试，达到了预测的效果。