近几年来,计算机技术以及视频图像分析技术的发展十分迅速,视频中的运动目标检测技术尤其引起了人们的关注。在社会生产的各级产业链中,运动目标检测相关技术被不断开发和运用。由于运动目标检测在智能视频监控领域内具有广阔的市场应用需求,因此吸引了大批科研组织与专家进行研究,其已经成为图像视频处理与分析中的重点研究课题。运动目标检测的目的是把视频序列中具有运动信息的目标进行提取。本文从图像视频处理中的三个方向开展研究工作,分别是运动目标的检测、目标中阴影检测以及异常行为中摔倒检测。针对课题研究对象中存在的问题进行了分析并提出解决方法,与已有的算法进行比较,证明了本文所提算法的优越性。本文主要研究成果如下:1)提出了一种基于改进帧间差分和粗糙熵的运动目标检测算法。针对传统的时间域分割和空间域分割的不足,本文同时考虑时间域和空间域分割特征。引入粗糙熵概念,对图像内容在空间上进行区域划分,得到区域空间图。改进并利用三帧差分算法获取运动信息。然后将空间区域进行初始分类,得到三种不同类型区域。其中,运动目标像素点多的被定义为对象区域,运动像素点少的被定义为背景区域,位于两者中间的被确定为暂定区域。时空区域能量模型被用来进一步对暂定区域进行分类选择,弥补了传统算法检测信息不完整和检测准确率低等缺点,最终达到分割前景目标的良好效果。2)提出一种基于特征融合的阴影检测算法。与传统算法仅使用某一种特征或者依次使用多种特征不同,文中同时考虑三种类型特征。首先,从前景图像中提取亮度、颜色以及纹理三种特征。为了尽可能全面考虑这些特征,从多种颜色空间和多尺度图像中提取颜色信息。同时,通过熵和局部二值化模式来描述纹理特征。然后,运用权值更新的多特征融合策略生成前景特征图,通过前景特征图可以粗糙的从运动目标中识别出阴影。最后,利用空间调整来修正误分类的像素点得到精确的阴影检测结果。本文方法可以很好地检测出提取出的运动目标中存在的阴影。3)提出一种基于轮廓跟踪的摔倒检测算法。针对传统摔倒检测算法存在误判率高和运算复杂等缺点,本文首先利用基于改进帧间差分和粗糙熵的运动目标检测算法提取被监控的目标老人,运用中值滤波和形态学处理获取老人完整的身体形状,然后根据轮廓跟踪算法生成边界链码,最后利用实际边界链码与摔倒模板链码的欧氏空间距离比较来判断老人是否摔倒。相对于传统的摔倒检测算法,本文算法计算量较小,判别准确率提高明显。