市面上存在着大量的视频监控的软件系统，这些系统在日常的生活中扮演着重要的角色。然而，很多监控系统并没有实现智能监控，在监控的过程中需要监控人员一直盯着监控画面。这些非智能的监控系统不仅耗费了大量的时间和精力，损害人的视觉健康，而且在遇到危险的行为和事件的时候，无法及时的进行制止和控制。因此，将视频监控系统智能化，是当前的迫切需求。智能的视频监控系统可以在无监控人员的情况下，对监控环境进行实时监控，还可以对摄像机采集到的图像数据进行智能分析，并根据分析的结果自动产生告警。运动对象检测是智能视频监控系统中普遍采用的重要技术之一，如在电网视频监控系统和先进驾驶辅助系统中。本文就是以国家电网智能视频监控系统为背景，对运动对象检测算法进行研究的。本文所提出的检测算法，为监控系统的自动实时告警功能提供了强有力的支持。随着人们对检测结果的要求，检测算法的准确度也越来越高。虽然有一些传统的利用图像处理技术的运动对象检测算法，但目前大多数检测算法不能满足视频监控的高可靠性的要求，所以这仍然是一个挑战性的领域。通过对电网视频监控系统的需求分析，本文提出了一种新的算法，它结合了Sobel算子、去噪处理和L-K光流法。由于传统Sobel算子和L-K光流法存在着缺陷，本文提出了改进的方法。改进后的算法不仅可以准确地检测出运动对象，而且还可以检测到对象的运动方向。本文的算法主要应用于国家电网智能视频监控系统中，该系统主要用于电网环境的监控，它是采用图形化界面库QT和数字图像处理库OpenCV进行实现的。在监控的过程中，当发现有不明物体入侵时，系统利用本文提出的算法，自动检测入侵物体，并产生报警。在文章的结尾，本文提取了国家电网视频监控系统中的视频帧序列，并且以这些帧序列为样本，使用本文提出的运动对象检测算法进行实验，而且分析了实验结果和实验所得数据。实验结果表明程序具有良好的准确性和实时性，能够正确的进行检测。