智能视频监控系统可以从复杂的视频帧中分辨感兴趣的目标物体,自动分析图像中丰富的有用信息,提高了传统视频监控系统的智能化水平。其中,运动物体的检测作为视频分析的基础,它为后续的动作识别、跟踪以及行为理解等研究起到决定性作用。而物体所产生的阴影在运动属性上与物体一致,容易被误检为前景从而影响检测的准确度,因此抑制运动物体的阴影显得至关重要。本文以视频中运动物体为研究对象,分析运动物体检测和阴影抑制的算法,并加以改进,以求提取的运动物体效果更佳。论文主要在如下几个方面取得了研究成果。1.研究了经典运动物体检测算法的原理:帧差分法、光流法以及背景减除法,将三种算法通过实验分析和优缺点的讨论,从算法复杂度、获取图像信息、适用的条件和存在的问题等方面进行了总结对比。2.研究了混合高斯背景建模算法的原理,分析其缺点并做出了改进。针对该算法复杂度高的问题,利用帧差分法与混合高斯模型相结合,先通过三帧差分法检测出前景,并求出此前景与图像的占比,然后通过阈值判断图像内动态情况,若画面有运动物体,则利用混合高斯模型处理,否则更新背景;针对背景更新速率取值的缺陷,通过变化的更新速率,可以自适应分段调节背景更新速率。实验结果显示,改进算法的准确率相比传统算法提升4%以上,程序运行时间明显的提高,克服了混合高斯模型固定背景更新率造成的问题。3.为了更好的抑制运动物体的阴影,对基于HSV空间的阴影抑制算法加以改进。先通过混合高斯模型提取前景,然后与HSV空间检测的阴影相结合得到运动物体区域,针对由于亮度比的阈值不稳定而导致前景误检为阴影的缺点,采用纹理特征结合大津阈值提取部分运动物体区域,最后将提取的部分运动物体区域与通过HSV空间得到运动物体区域相结合,达到抑制视频中运动物体阴影的目的。实验结果显示,该算法在不同场景中取得较好的实验效果,综合性能相比于经典的阴影抑制算法提升8%以上。本文对运动物体检测和阴影抑制的研究成果实现了准确提取视频中的运动物体,对后续的视频分析处理有重大的意义。