运动目标检测的目的是从视频序列图像中提取有意义的运动目标,是计算机视觉领域的重要研究内容,近年来被广泛应用于视频监控系统、雷达遥感图像以及无人驾驶等诸多领域。运动目标检测结果的准确性将直接影响对目标后续行为的分析与理解。本课题是针对基于背景减除法检测运动目标时,存在几种干扰情况下如何提高运动目标检测的准确性和完整性进行研究。针对运动目标在监控场景中突然停止及原本场景中的静止物体开始运动所造成的背景模型变化问题,本文提出了一种新的基于前景静止区域检测的背景更新算法,以提高背景模型的准确性。该算法首先判断前景中所存在的静止像素点;其次根据连通域寻找前景中的静止区域,通过求取连通域的面积和灰度像素平均值来确定符合条件的前景静止区域;最后用前景静止区域的前景像素点更新与之对应的背景模型中相应区域的像素点,完成背景模型的更新。实验结果表明本文所提出的背景更新算法能够准确、快速地将前景静止区域所对应的背景进行更新,从而实现对运动目标的准确提取。针对灰度视频序列图像中运动目标阴影的干扰问题,本文提出了一种基于灰度比值的一阶四方向梯度阴影去除算法。考虑到运动目标中有与阴影相似的灰度比值变化区域对阴影检测的干扰,以及阴影与背景的相关性远远高于运动目标与背景的相关性,本文结合归一化互相关(NCC)特征来去除阴影保留运动目标,以确保运动目标的完整性。定性和定量的实验结果分析表明,本文提出的阴影去除算法在阴影去除率和保持目标完整性方面优于其他算法。针对彩色视频序列图像中运动目标阴影的干扰问题,本文提出了一种基于亮度比值的一阶四方向梯度阴影去除算法。考虑到运动目标中有与阴影相似的亮度比值变化区域对阴影检测的干扰,以及阴影与背景的颜色特征差异远远低于运动目标与背景的颜色特征差异,本文结合颜色特征来去除阴影保留运动目标,以确保运动目标的完整性。定性和定量的实验结果表明,本文提出的阴影去除算法在阴影去除率和保持目标完整性方面优于其他算法。通过对运动目标检测中这几种不同干扰的研究,本文分别提出了抑制这几种干扰的运动目标检测方法,实验结果表明所提出的算法提高了检测运动目标的准确性和完整性。