计算机视觉是人工智能、计算机科学与技术学科研究的重要方向之一。由于视频场景中信息众多,给计算机处理处理带来一些问题,而场景中的运动目标包含了绝大部分感兴趣的内容,为了后期处理更方便,排除背景的干扰,检测得到运动目标是非常有必要的,所以运动目标检测是很多计算机视觉应用的首要步骤。得到运动目标区域后,可以在此基础上对目标进行跟踪、分类、识别、场景理解。但是,由于视频场景的复杂性,场景中的光照不均、光照变化、广泛存在的阴影等都会严重影响运动目标检测的准确性。本文针对视频场景中广泛存在的阴影,从降低阴影对运动目标检测影响的角度,提出了一种结合LTP纹理和色度的运动目标检测方法。本文的主要工作如下:1、对三大类运动目标检测方法的算法思想进行了概述,并对运动目标检测中最常用的混合高斯模型进行了描述;2、对文中用到的相关基础知识进行了描述,具体包括LBP算子、LTP算子、RGB和HSV颜色空间的理论与相互转换、基础形态学处理等;3、分析了场景中阴影的生成原因、阴影区域在图像中的表现,从分析和实验的角度,论证了LTP(Local Ternary Pattern)算子和色度具有抵抗阴影的性质;4、联合LTP算子和色度表示背景模型,并根据两者的特点,给出了容易计算的LTP纹理和色度比较的方法,并用混合高斯模型的思想,提出了一种结合LTP算子和色度的运动目标检测方法。根据实验结果,比传统的混合高斯模型和只用LBP的方法,本文提出的方法有更好的效果。本文对运动目标检测的相关研究有一定的启发和帮助作用。