混合高斯模型是图像目标检测领域内一种较为有效的方法。它能及时侦测环境的异常变化。其基本思想认为，当环境与建立的模型相匹配时为背景，否则为前景。本文对当前主流的背景模型算法：光流法，帧间差分法，背景减除法等进行了深入的了解与研究，并根据当前国内外对各个算法的研究进展，仔细比较了各个算法的优缺点，最后选取背景减除法中的混合高斯背景模型作为本文的基本方法。混合高斯模型在检测过程中会存在一些不足，在模型替换的时候，对替换过程未加限制，前景容易误替换进模型内，影响检测效果。混合高斯模型检测后还包含了很多异常情况，会造成系统的误检，同时还存在对光照消除能力弱等问题。针对上面提到的情况，首先对替换过程进行分析处理，根据环境变化的规律，排除各种干扰因素，保证用新背景替换背景中过时的背景；混合高斯模型检测后，进一步判断，排除其中的各种干扰，保留实际的运动情况。目标检测时，以像素为单位做前景判断，信息量往往不足，不能有效的表示环境特征，本文以图像中的独立变化区域为单位判断，然后再用检测算法区分干扰和运动区域，保证了检测的准确。最后，本文对光照情况做出了判断，光照发生时，背景将改变，通过算法，消除了光照对检测的影响。通过本文的算法，对环境检测达到了很好的效果，保持了模型的稳定，能去掉前景中大部分干扰，对光照的解决也取得了进展，但还需进一步提高检测精度。