在各个领域,计算机的应用都越来越广泛,视频监控技术在其中所起到的作用也越来越大,其直观性、便捷性、安全性以及其经济适用的特点都愈加受到人们的重视。在如银行、公共交通、公共场所监控、校区安全保障等行业,视频监控系统已经得到了广泛的应用,这些场所的应用需求也越来越趋向于智能化。　　 论文在分析已有算法的基础上提出了一种基于直方图比较的混合高斯模型减背景方法,将直方图比较算法引入到混合高斯模型更新中。论文分析了当前几种典型的运动目标检测算法,针对实际监控系统的要求,提出一种基于直方图比较的混合高斯模型减背景方法,将直方图比较算法引入到混合高斯模型更新中。通过比较相邻帧之间的直方图变化,引入直方图变化因子,以此来判断是否有光线突变情况发生。针对光线突变发生情况,混合高斯模型根据光线变化程度进行自适应更新;并在无光线突变情况发生时仍保持原有更新方式。算法的性能测试以及实验结果均表明,基于直方图比较的混合高斯模型减背景算法兼顾准确性与实时性。　　 针对单独基于混合高斯模型减背景法的目标检测很容易出现检测空洞,使漏检率和误检率大幅度上升,本文将Haar型特征检测方法以及AdaBoost级联分类方法引入到头部目标检测当中,将分类模型针对头部目标进行优化。实验结果表明,与其他基于颜色的特征提取方法比较,基于。Haar型特征的特征提取方法具有跟高的头部识别准确率。　　 本文最后将近阶段的研究成果在软件平台上进行仿真,设计出了目标检测软件平台。软件设计的理论依据为融合基于混合高斯模型减背景法与基于Haar型特征的模式识别方法,通过对两种目标检测算法进行有机融合,实现了漏检测率的降低与检测效果的提升。