运动目标检测是视频监控获得外部信息的关键技术之一。在安防监控、无人系统、智能家居、国防安全等领域都得到了广泛的运用,同时随着无人系统的不断革新,也需要运动目标检测技术为其提供相应信息,因而也成为了近年来的研究热点。目前,研究者们已提出了众多的运动目标检测算法,但在扰动背景下的运动目标检测性能还有待提高。ViBe算法作为一种新颖的运动目标检测算法,以算法简单、准确度高的特点得到了国内外学者的关注,但算法对扰动背景的抑制能力还达不到检测要求,同时还存在“鬼影”现象和未消除阴影的缺陷。本文针对Vi Be算法的三点缺陷开展工作,主要内容如下:首先,本文介绍了视频监控中运动目标检测算法的国内外研究现状,并分析了图像灰度化、图像滤波、直方图均衡化的图像预处理方法和形态学后处理方法,其中预处理为运动目标检测算法提供画面平滑、目标增强的图像以提高检测效率,而形态学后处理是为了进一步优化检测结果。其次,本文分析了三种经典的运动目标检测算法,通过仿真实验对比了三种算法的检测性能,同时对三种算法的优缺点进行了详细总结。重点研究了其中的ViBe算法,对它的算法原理进行了详细介绍,归纳了算法的新颖特点,同时详细分析了算法存在三点缺陷的根源。然后,针对ViBe算法的三点不足,提出了相应的改进方法。针对“鬼影”问题,本文利用帧差法对动态像素点的敏感性,并结合“鬼影”自身的特点,辅助ViBe算法辨别“鬼影”区域,对该区域采用不同的更新因子进行随机更新。针对ViBe算法对扰动背景抑制能力差的问题,本文找到了一种简单描述扰动像素点的方法,并将原算法的全局固定匹配阈值改进为局部自适应匹配阈值,改进方法能有效地根据扰动背景的扰动程度进行自动调节匹配阈值的大小,增强了算法对扰动背景的鲁棒性。针对HSV颜色空间抑制阴影方法中阈值需要通过经验值进行确定,本文提出了一种通过实验数据获取精确的判断阈值的方法,提高了设置阈值的精度。最后,在WindowsXP系统下运用VS2010应用开发平台与OpenCV开源函数库,基于MFC对话框和本文改进算法实现了运动目标检测软件,实现了在不同场景下的运动目标检测。