智能视频监控技术在当今中国有着广阔的发展前景和可观的经济价值，所以智能视频监控系统的开发已经成为现阶段机器视觉领域的重要的研究课题。运动目标检测是智能视频监控系统中的基础性工作，它的成功与否直接关系到整个监控系统的性能。运动目标检测的目的是将视频监控场景中感兴趣的区域从背景图像中准确快速的提取出来。运动目标检测方法有很多，本文主要研究利用混合高斯背景建模法将前景目标区域从背景图像中分割出来，并针对目前算法中存在的问题，在提高算法准确性和实时性方面给出改进方案。本论文的主要工作如下：　　 首先回顾和介绍了视频监控技术的发展历史和研究现状，并对目前智能视频监控系统中比较常用的运动目标检测算法进行了分析比对，重点分析了光流法、帧间差分法及背景减除法的基本原理、各自的优缺点和适用场合。同时对背景减除法中的单高斯模型法和混合高斯模型法进行了深入的学习和研究，对这两种算法的原理、流程、适应场合以及优缺点进行了全面透彻的分析，并通过几组有代表性的实验，对算法的检测效果、复杂场景的适应程度、算法的复杂度和实时性等方面进行比较，通过对算法综合性能指标的评定，验证了混合高斯建模法的优越性，同时也认识到该算法存在的不足。　　 通过对混合高斯背景建模理论的学习和研究，对目前算法中存在的问题进行了深入的探讨，经过分析得出在模型初始化和模型更新过程中，模型中的每个参数都是互相影响的，参数取值是否合适直接影响到检测效果的好坏，为了找到每个参数最合适的取值，论文通过大量的实验，对模型中每个参数进行讨论分析，找到每个参数的最佳取值点，使得整个算法在准确性方面得到很大的改进。　　 最后，针对混合高斯模型算法计算量大，实时性差的问题，本文对影响算法速度的诸多因素进行了深入的讨论和分析，对算法提出了一个有效可行的改进方案，并通过实验，验证了算法的可行性。同时，针对本文实验结果中背景区域噪声点的分布特点，提出了用形态学中先腐蚀后膨胀的算法进行处理，具有很好的去噪效果。