近年来，频繁出现危害公共安全的事件，智能视频监控作为公共安防领域中核心的技术之一，已成为人们密切关注的焦点。但是，目前的许多学者都是在理想的条件下进行的，并没有考虑到算法的时间复杂性，因此，在实际环境中，存在着许多的问题，外界环境的干扰会导致了检测的准确性下降，如光照强度的变化，树叶的抖动，镜头的晃动等，另外，许多算法的时间复杂度很高，很难应用于高清视频监控领域内的实时监控。因此，一种适用于复杂环境中的运动检测算法是目前研究的主要内容之一。　　 运动目标检测技术是进行运动对象的跟踪、识别和分类等分析处理的基本前提，是图像序列分析的基础性工作，因此，运动对象的检测与去影技术是视频处理技术的最必要的步骤。现在运动目标检测主要在两种场景下实验，一种是摄像头运动的场景;另外一种是摄像头固定的场景，本文主要针对在背景固定的现实场景下的运动目标检测与去影，所做的主要工作如下:　　 第一，简要的介绍了目前三种常用的运动目标检测方法。首先对三种常用的检测算法的原理做了初步的介绍，并在现实场景中进行了实验，从实验结果中分析了每种算法的优缺点，为下面提出的算法奠定了理论基础。　　 第二，提出了一种利用背景差分法与多帧差法相结合的运动目标检测算法。该算法在分析背景差分与帧间差分的优缺点后，利用中值法建立背景模型，然后采用背景差分与多帧差结合的方法进行背景模型的更新，背景完成后与当前图像作差值，根据形态学操作获取运动目标的大小与位置，并与帧间差分法进行了实验比较，验证了该算法具有鲁棒性，适用于实时监控中。　　 第三，实现了一种利用邻域像素来构建背景模型的检测方法，该方法在判断是背景像素时，需要将利用该像素更新背景模型，但对于光照强度的变化、车子停下离开等外界条件的干扰，在更新背景时会产生鬼影，本文提出了一种根据不同区域内，不同的随机概率的更新，从而能够将鬼影快速的消除，并且使运动目标不至于产生较大的空洞，并与帧间差分法就行了实验比较，证实了方法的有效性。　　 第四，介绍了常用的阴影检测与去除方法，提出了一种结合RGB颜色特征和纹理特征的运动阴影检测方法。首先，利用背景差和多帧差结合的方法，获得包含运动阴影的前景分割，在此基础上利用阴影区域中RGB特征的相似性（其RGB向量夹角较小）与局部二值纹理模式相结合，进行阴影检测与消除。　　 第五，将运动目标的去影算法应用到实时智能监控系统中，首先分析了该系统的功能与框架，实现了去影算法在智能监控系统的应用，在复杂环境中检测算法的鲁棒性，，并最终将完善了系统的功能，向外推广，拓宽了智能视频监控领域。