运动目标检测作为后续的图像处理的基础,它被广泛的应用在车辆跟踪、行人检测、无人驾驶等领域,因此成为计算机视觉领域的研究热点之一。在车流量检测系统中,运动目标极易受到光照、噪声、阴影等复杂环境的干扰,这会导致检测结果不准确。为改善运动目标的检测结果,选用了能够有效的抑制噪声的ViBe算法,并以此为基础算法,开展运动目标检测中的鬼影、目标残缺和阴影前景等异常情况的相关研究。首先,针对ViBe算法检测出来的运动前景里存在鬼影的问题进行分析,从中可以了解到ViBe算法利用首帧进行背景建模。若是首帧中存在待检测目标,则在背景样本初始化时会将运动目标的像素包含进去。因此在目标运动之后,会在原地留下鬼影。从这一分析可以得知,使用真实背景进行模型初始化是必要的。针对这一问题,提出使用改进的平均背景法与ViBe算法相结合的方法。该方法利用改进的平均背景法得到真实背景,用所得的真实背景进行ViBe算法的背景模型初始化。这样一来,在后续帧进行检测时就不会出现鬼影的现象。从实验结果来看,所提算法与其他几种算法相比,不仅能够快速的消除鬼影,同时还具有良好的性能。其次,研究了光照突变时对运动目标检测的影响。从对ViBe算法的分析中可以得知,光照突变时会出现目标丢失和出现大量的噪声。导致这一原因的是ViBe算法对前景分割采用的是固定阈值的方法,所以针对此问题,采用大津阈值法对ViBe算法中的固定阈值做出改进。实验结果表明,改进后的算法不但解决了运动目标丢失的问题,而且提高了在动态背景中的抗干扰性。最后,对ViBe算法中检测出来的阴影前景问题进行了研究,提出基于改进的灰度直方图阴影去除法。由于灰度直方图去除阴影法采用的是固定阈值的方法,所以无法适应不同的阴影环境,因此所提算法提出使用自适应阈值的方法来改进灰度直方图,以此来消除阴影。但是在使用此方法之前需对目标图像进行预处理,预处理的过程是为了更好的使用改进的灰度直方图。实验结果表明,所提算法能够有效地去除阴影,与其他对比算法相比具有一定的优势。