视频监控系统综合了机器视觉、图像工程、模式识别、人工智能以及计算机科学等许多领域的先进技术,己经成为计算机视觉研究的重要课题,并广泛应用于国防建设、交通管制、智能保安等领域。　　运动目标检测,是视频监控中的核心技术,其结果在目标跟踪和行为理解等后期处理过程中非常重要。然而,运动阴影的存在往往会造成运动目标的变形、丢失以及重叠。因此,为了进一步完善运动目标检测算法,消除运动阴影很有必要。基于这一点,本文在静止背景的前提条件下,对视频中运动目标的检测与提取,以及运动阴影的检测进行研究。　　在运动目标检测方面,首先研究分析了几种时空联合分割算法,时域上先进行累积帧差,然后使用改进的高阶统计算法,结合空域内分水岭或者Canny分割算法分割出运动目标。但是,实验效果并不理想。为了进一步改进运动目标分割效果,在时域上利用Tophat形态学滤波得到视频运动目标的精确位置,我们在空间域上采用一种基于t混合模型和贪婪EM的聚类算法,实现了本文基于时空分割的视频分割算法,能够准确检测出完整的运动目标。　　在运动阴影检测方面,首先采用了Stauffer、Zivkovic等提出的自适应混合高斯背景建模的思想,利用背景图像的统计特性实现了背景建模,较好地解决了背景模型的提取、更新、背景扰动以及外界光照突变的问题。然后,进行背景减除检测到运动目标以及运动阴影。由于缩小了检测范围,极大的简化了阴影检测的计算量,提高了算法的运行速度。最终,利用阴影的纹理特性以及颜色特性,分别进行阴影检测。实验结果表明,基于颜色的阴影检测算法对室内视频以及室外视频均能够达到更好的实验效果。