智能视频监控系统的数字化特征使其在军事应用起到重要作用,随着人们安全意识的提高和计算机视觉领域的发展,智能视频监控系统在生活化的普通场景中得到了广泛的应用。动态目标检测是智能视频监控的核心技术,也是当前计算机视觉领域的研究热点。动态目标检测技术是机器视觉、图像匹配、图像检测、目标跟踪和模式识别等技术的前提和基础,目标检测结果的好坏直接影响后续的目标跟踪及目标定位的准确性。本文针对当前在智能视频监控中动态目标检测的相关算法进行深入研究,并提出了两种改进的运动目标检测算法。主要工作为:(1)研究了常用的三大类动态目标检测算法。主要对二帧差分法、三帧差分法、SGM、和GMM进行了实验分析。首先设计了GUI界面,将四种算法在光照条件不同的两个视频数据集highway和people下进行实验,并对实验结果进行了定性分析和定量评估,为后续的算法改进提供基础。(2)针对GMM算法受光照影响较大的缺陷,提出一种改进的GMM结合阴影检测的动态目标检测算法。首先对GMM在模型初始化、背景模型建立、背景模型更新提出改进措施。然后与霍特林阴影抑制算法结合,完成整体动态目标检测算法的设计。最后,对检测结果进行后处理分析。将改进的GMM算法与其他算法进行客观评价比较,实验结果表明,改进的GMM算法检测精度得到明显提高,同时每帧图像速度处理速度有显著提升。(3)针对智能监控视频系统内动态背景干扰问题,提出一种改进的SACON算法。首先对SACON算法的阈值提出自适应调整的改进措施。然后对五帧差分算法进行改进,并通过类间最大值的阈值选取法对五帧差分阈值选取进行调整。最后将改进的SACON算法与改进后的五帧差分法相结合完成动态目标检测。通过实验结果与客观评价分析,改进的SACON算法的F指数达到0.91,检测精确度明显提升。