1、視頻監(jiān)控作為現(xiàn)代城市的一種社會事務管理手段，在生活中得到了廣泛地運用。傳統(tǒng)的監(jiān)控模式存在許多弊端，因此監(jiān)控中的智能視頻分析技術仍然有很大的進步空間。在智能視頻分析使用到的諸多技術中，運動目標檢測是一項重要的基礎技術，所以對于運動目標檢測的研究有助于提升智能視頻分析技術。
　　近年來，隨著運動目標檢測技術的迅速發(fā)展，逐漸誕生了一些效果優(yōu)異的算法。這些算法雖然在一定程度上滿足了監(jiān)控場景下的目標檢測需求，但其中的絕大部分只對于靜態(tài)場景有

2、效，對于動態(tài)背景（相機移動）下的運動目標檢測任務不具有適用性。在動態(tài)背景下，由于相機處于移動狀態(tài)，使得背景與前景同時具備了運動屬性，從而使兩者的區(qū)分變得十分困難。因此，動態(tài)背景下的運動目標檢測是當下目標檢測領域中一項具有挑戰(zhàn)性的課題。
　　本文的主要工作如下:
　　(1)針對動態(tài)背景下的目標檢測問題，提出了一種基于運動補償方法的在線背景模型更新算法，用一個快速的方式檢測運動目標。具體來說，首先為每個像素點建立一個像素級的背景

3、模型。然后在前一幀的背景模型基礎上，用保邊濾波的光流算法來估計每個像素的運動，傳播到當前幀的背景模型。根據(jù)補償后的背景模型判斷每一個像素點是前景點還是背景點。最后，通過一個快速隨機算法對背景模型進行在線更新，以適應背景的變化。我們對收集到的視頻進行了大量的實驗，通過實驗驗證了算法的先進性。
　　(2)針對像素級目標檢測的算法廣泛存在的誤檢現(xiàn)象，提出了一種基于全局背景建模的目標檢測優(yōu)化方法，方法使用超像素塊均值作為統(tǒng)計量進行混合高斯