随着科学技术的发展和用户需求的多样化,智能视频监控系统也愈发体现出了其在安防领域中的重要作用。实现智能视频监控的第一步就是从指定的监控场景中检测并提取出运动物体(比如运动的人和车辆等)。而这些运动区域的准确提取是后续的目标跟踪、识别、分类等算法顺利进行的关键前提。然而,在实际的智能视频监控系统中,由于各种光线的存在,场景中的运动物体往往会携带有或大或小的阴影,并且阴影与产生阴影的运动物体具有相同的运动特征,这就使得阴影常与目标对象一并被检测出来,影响了后续的图像处理和理解。由此,阴影检测去除成为了智能视频监控领域中一个技术上的热点和难点。本文首先回顾和介绍了视频监控技术的发展历史和研究现状,并对智能视频监控技术中目前已有的常用的运动目标检测提取方法进行了分析比对,重点分析了帧差法、光流法以及背景减除法的基本原理、各自的优缺点及适用场合。从而确定了采用基于混合高斯模型(GMM)的背景减除法来获取运动前景区域。实验证明GMM能够对场景中光线的变化、树叶或是旗帜的反复运动具有较好的鲁棒性。但GMM属于运动分割,提取的前景运动区域中常包含有大片的阴影区域,所以需要在此基础上进行阴影的检测与去除。针对运动物体所携带的阴影影响了目标提取的准确性问题,本文分析总结了几种现有的阴影检测去除算法之后,提出了一种基于YUV颜色空间与图论算法相结合去阴影的新方法。该方法的具体实现步骤主要是两步：首先在由GMM获取的前景运动区域中综合考虑YUV颜色空间的亮度(Y)和色度信息(U,V)来检测阴影区域并结合形态学滤波等操作得到确定的阴影和目标种子点集；然后将所获取的种子点集映射成网络图,利用图切割算法进一步获得运动目标和阴影的优化分割,从而得到相对精确,干净,平滑的目标信息。该方法在一定程度上弱化了YUV空间阴影检测阈值不便设定的问题,既降低了阴影检测过程中的难度,又提高了检测精度。最后,本文在VC++6.0环境下,借助OpenCV开源计算机视觉库编程完成了本文提出的算法。通过室内室外环境的多次实验证明,本文算法可以有效地检测并去除视频监控场景中运动物体所携带的阴影,达到了预期的效果。