在计算机视觉,智能监控等领域,运动目标检测是后续跟踪、识别和行为理解的基础。本文针对摄像机静止的情况,研究了一种基于混合高斯模型的运动目标检测算法。主要工作如下：(1)理论研究部分。比较了常用的运动目标检测算法的优缺点；对现阶段比较常用的背景建模方法从运算量、检测效果、处理背景扰动能力和存储空间需求等方面进行了分析和比较。(2)视频预处理。采用双线性内插法进行图像尺寸变换；采用三维矢量中值滤波算法抑制对模型影响较为严重的脉冲噪声和椒盐噪声,实验表明该算法能比标量滤波和二维矢量中值滤波取得更高的信噪比。(3)运动目标检测。实现了基于混合高斯模型的运动目标检测,并针对经典模型对突发运动和光线突变响应速度慢的问题提出了一种改进算法,将前景区域分成运动目标区和误检区,并为误检区赋予较大的更新速率,实验表明该算法可以有效的改善原有混合高斯模型响应场景突变慢的问题。(4)运动检测后处理。采用中值滤波抑制孤立前景点,采用数学形态学算法填补目标中的镂空从而提高检测质量；分别实现了基于HSV和rgb色彩空间变换的阴影抑制算法。(5)基于虚拟检测区域的车流量统计。运动目标检测之后可以得到二值图像序列,在车道上的合适位置设定与车辆行驶方向垂直的虚拟检测区域,统计区域内的前景点数目便可确定是有车状态还是无车状态,监测虚拟检测区域的状态变化即可实现车流量统计。实验表明该算法可以较为准确的统计车道的车流量。