在计算机视觉领域,运动目标检测方法是目标识别、跟踪等视觉应用的基础。它能够为交通等领域的智能视频监控系统提供实时、丰富、有效的信息,以完成视频图像中的目标识别与跟踪。然而,在实际应用中,光照变化、背景变化和运动阴影给运动目标检测算法的研究带来了诸多挑战。因此,研究有效的运动目标检测算法具有重要的研究价值和现实意义。据此,本文研究工作可以总结如下:首先,研究了光流法、帧间差分法和背景差分法三类运动目标检测算法,并重点分析了视觉背景提取模型(Visual Background extraction model,ViBe)算法的优缺点。其次,针对传统ViBe算法存在的易受光照和背景变化影响、易出现“鬼影”现象等问题,提出了一种基于像素点状态自适应更新的ViBe算法;该算法通过引入由像素点前景和背景切换频率决定的状态函数来自适应地调节背景模型更新速率。实验结果表明,该算法可以较好地克服光照和背景变化带来的影响,且能够迅速消除“鬼影”;相比于传统的ViBe算法和其它典型的运动目标检测算法,有更好的目标检测效果,且客观评价指标更优,并能满足监控的实时性要求。但是,在上述运动目标检测过程中,仍然存在运动阴影被误检为目标的问题。因此,本文通过分析阴影形成原理,并在研究基于阴影特征的运动阴影检测算法基础上,针对利用单一特征对运动阴影检测存在的误检率和漏检率较高等问题,提出了一种基于多特征融合的运动阴影检测算法。该算法先通过融合基于HSV颜色空间、改进的局部二值模式(Local Binary Pattern,LBP)纹理特征和Gabor滤波器纹理特征的阴影检测结果;再进行连通域一致性校正和形态学操作等处理,对检测结果进行进一步修正。实验结果表明,该算法与其它典型的运动阴影检测算法相比,能够更有效地检测出运动阴影,进而提高运动目标检测的准确性。