运动目标检测是计算机视觉方面的一项关键技术。背景建模法是对图像序列中的当前帧和背景参考模型进行比较,从而实现对运动目标的检测,其中背景模型反映了背景环境的信息。现有的运动目标检测算法未能很好的解决一些关键的问题,例如光照变化、物体的阴影和动态背景等。本文在研究现有的运动目标检测算法的基础上,针对上述问题,提出了两种新的改进算法。最后,在前景检测的基础上,对手部的特定动作进行识别。在基于码书的背景模型的基础上,本文提出了一种改进算法。在该算法中,提出了一种新的基于阴影检测算法的颜色与亮度模型,该模型能够有效去除前景目标的阴影;考虑到像素点的邻域信息对表达场景内容的重要性,将颜色矩引入背景模型;该算法还提出了一种新的背景模型更新策略,在背景模型中同时包含了前景目标和背景的信息。实验结果表明,即使背景场景轻微运动和光照条件变化,该方法构造的背景也能有效检测运动目标。为了充分利用场景的局部信息,本文提出了一种基于码书模型的双层背景模型,将基于像素和基于区域的背景模型统一于一个框架中。双层背景模型利用局部区域的统计特征,将基于区域的背景模型和基于像素的背景模型相结合,构建了一个有效的层次背景模型。在对于局部区域的建模中,本文还提出了一种新的局部区域描述符。该描述符综合运用色彩不变量和纹理特征,对局部特征进行了更准确的描述,对动态背景和光照变化等具有更好的适应性。在准确提取前景的基础上,本文对手部的特定动作进行识别。手部动作识别在人机交互、视频监控等方面有丰富的应用。本文的手部动作识别算法分为三个主要部分:手部特征检测、基本动作分割和动作轨迹识别。本文算法将三维的动作转化为二维的轨迹,并利用Hausdorff距离来实现具有平移和缩放变换的轨迹识别。