作为众多计算机视觉的基础,运动目标检测技术已成为智能监控系统、目标识别、人机交互以及场景分析等涉及图像和视频分析理解方向的一个重点研究问题。运动目标检测的任务,是从纷繁复杂的场景中把感兴趣的运动目标尽可能完整的提取出来,这就依赖于背景模型的准确程度。因此,在智能视频监控系统中,背景模型的准确程度对后续的前景检测、分类、跟踪及行为理解分析等判断产生重要影响。换而言之,它很大程度上决定了整个视频监控系统的性能。本课题主要研究在复杂场景下利用背景建模技术实现运动目标检测。本文从工程应用的角度,有选择性地对几种经典背景建模算法进行深入的分析,并结合各模型的建模理论与实验结果,总结了各算法的优缺点。最后设计了基于高阶矩和Canny边缘算子相结合的分块背景建模方法,并针对视频场景中存在前景目标运动缓慢、长时间驻足的情况,采用帧间连续性检测方案,使背景建模算法更加可靠。通过实验验证,该算法在保证准确检测运动目标的前提下,能够降低背景模型重建的时空复杂度,提高系统的运行效率。