1、智能視覺監(jiān)控系統(tǒng)所面臨的最基礎(chǔ)性問題就是如何檢測視頻序列中的運動目標，因為只有在檢測到視頻運動目標的基礎(chǔ)上，才能進行目標分類、跟蹤以及內(nèi)容分析等。論文對靜態(tài)場景下視頻運動目標檢測及定位問題進行了研究。論文的主要工作如下：
　　 1)結(jié)合靜態(tài)場景下視頻運動目標檢測的特點，提出了一套基于積累差異背景建模的視頻運動目標檢測技術(shù)，該技術(shù)的核心是基于積累差異的背景建模方法。基于積累差異背景建模的視頻運動目標檢測技術(shù)是本論文視頻運動目標檢測

2、及定位的技術(shù)基礎(chǔ)。該技術(shù)采用背景差法檢測視頻運動目標區(qū)域，用改進的Otsu閾值化算法對背景差圖像進行閾值化，然后用兩步區(qū)域生長法對目標連通區(qū)域進行標記，最后給出了一種對視頻運動目標質(zhì)心進行標記關(guān)聯(lián)的實用方法。
　　 2)針對一些需要較為精確檢測目標邊緣信息的應用場合，基于第2章的檢測技術(shù)，提出了一種融合Knockout摳圖技術(shù)的視頻運動目標檢測方法。該方法可自動標記Knockout方法所需的前景輪廓區(qū)域、背景輪廓區(qū)域及未知區(qū)域，

3、最終實現(xiàn)對視頻運動目標邊緣更精細的檢測。
　　 3)針對目標運動區(qū)域空域連通特性較差時的目標檢測問題，基于第2章的檢測技術(shù)，提出了一種基于網(wǎng)格區(qū)域劃分的視頻運動目標檢測方法。該方法在閾值化背景差圖像的基礎(chǔ)上，對視頻幀進行網(wǎng)格區(qū)域劃分，定義網(wǎng)格矩陣，設(shè)定網(wǎng)格內(nèi)前景點個數(shù)的閾值，對視頻幀的運動區(qū)域進行重定義，最終實現(xiàn)當被檢測目標空域連通特性較差時的視頻運動目標檢測。
　　 4)運動目標檢測常常需進一步對運動目標進行定位，即確

4、定目標在圖像中的空間位置區(qū)域或目標空間位置區(qū)域的重心。針對視頻運動目標定位的需要，提出了一種基于減法聚類的視頻運動目標定位方法。分析了減法聚類算法的原理，給出了減法聚類目標定位的實現(xiàn)步驟及流程框圖。研究了定位算法對不同類型視頻運動目標的定位效果，并將原有減法聚類算法進行改進，提出了一種橢圓域減法聚類目標定位方法。
　　 5)通過分析減法聚類算法用于目標定位的不足，針對減法聚類視頻運動目標定位時存在的問題，進一步提出七點優(yōu)化技術(shù)。