煤炭能源是国民经济发展所依赖的主要能源,而煤炭行业也是高危行业,近年来,国家相关部门高度重视煤矿安全,大力推广使用煤矿监控系统。由于矿井下与一般环境有较大的差别,普通的基于机器视觉检测方法直接应用于井下视频检测效果不够精确。煤矿下特殊的环境导致图像成像质量不好、分辨度低,这会提高辨别和判定的困难程度。此外,煤矿工人在低照度下和周围环境颜色十分接近,这种人员目标与环境灰度相似的问题会给运动目标的自动检测带来很大困难;而且矿工持照明设备会突然出现光照,带来虚假目标的检测,导致错误的结果。针对图像质量问题,本文提出一种改进的基于模糊集理论的图像增强方法。该方法首先选取一个计算简单的线性模糊化函数,将图像转换至模糊域处理,对这个模糊函数进行非线性运算,再通过一个逆变换去模糊,实现了图像低亮度区域的增强,高灰度部分的降低,最后使用局部特性调节图像对比度。该方法能有效增强图像。针对在矿井下检测矿工容易出现误检测、漏检测问题,提出了基于颜色与边缘信息的目标检测方法。该方法以高斯混合模型拟合颜色背景模型,以sobel边缘算子计算边缘信息,得到边缘背景差模型,再使用线性方法将边缘信息和颜色信息融合来检测提取矿工目标,经验证,这种方法具有可行性。通过对煤矿环境的视频序列进行的实验表明,本文的方法可以很好的增强图像,有效的对具有相似颜色特征的矿工目标进行检测,并去除由于突然光照变化导致的虚假目标,提高了运动目标检测的精确性。