视频监控是计算机视觉、模式识别以及人工智能等领域的一个重要的研究内容,在安全监控、智能交通、军事导航等方面有着广泛的应用前景。运动目标检测技术是视频监控系统中一个重要组成部分,其检测结果直接影响着后续的目标定位、识别和跟踪以及运动行为的理解和描述。国内外大批学者投身于该领域的研究和探索,并取得了大量的成果。本文是在这些成果的基础上,对视频监控系统中运动目标检测算法进行了研究。本文首先对数字图像处理的基础知识进行了介绍,并根据实际情况,针对噪声滤波、颜色空间的选择与变换、图像边缘检测和数学形态学处理等常用方法进行了对比验证,为运动目标检测与阴影抑制算法的研究奠定了基础。在运动目标检测方面,针对背景差分法,对常用的背景建模方法进行了分析研究,并提出了一种基于关键帧采样机制的核密度估计背景建模算法。利用间隔视频序列的平均背景对样本进行预处理,并根据相似性原理,从中提取具有关键背景信息的样本建立背景模型。采用阈值分割,将灰度图像转化成黑白二值图像,再对目标粗糙的边缘轮廓进行数学形态学滤波以去除背景噪声,提取出目标轮廓。同时引入定时全样本更新和实时选择性更新相结合的更新策略,实现了背景的自适应更新。该算法具有运行速度快,检测精度高的优点,较好地解决了运动目标检测系统中背景模型的建立、更新、背景扰动、外界光照变化等问题。在运动阴影抑制方面,阴影抑制算法直接影响着运动目标检测的准确性和完整性,目前的阴影检测算法大多是基于阴影光学属性的,虽然该算法实现简单,但是主要是针对阴影的某一特性展开的,不具通用性。本文在对阴影检测算法分析的基础上,将基于几何模型和阴影属性的方法结合起来,提出了一种基于8方向Sobel算子和高斯核密度聚类的阴影消除方法。首先对运动区域进行阴影存在性判定,对带有阴影的图像利用8方向Sobel算子提取边缘,并通过数学形态学处理获得粗略的阴影区域。然后在此基础上,利用阴影区域相对于背景的亮度增益波动很小的特点,运用高斯核密度聚类算法检测出阴影,从而实现运动目标与阴影的完整分割。在实际应用方面,针对ITS设计了一种运动车辆检测系统。介绍了系统的设计思想和设备组成,并根据实际情况进行了模块化设计,包括模块的工作原理和系统设计流程。总之,本文通过对运动目标检测问题进行了深入分析和研究,对该问题提出了自己的解决方法。并且对这些方法作了实验,实验结果表明,本文提出的运动目标检测算法能够快速完整的检测出运动区域,同时在很大程度上了抑制噪声和背景区域的变化;而基于8方向Sobel算子和高斯核密度聚类的阴影检测方法,能有效的抑制运动目标的阴影。