现今智能监控系统发展迅速，逐渐替代普通监控。普通视频监控系统需要人来进行实时观察与分析，观察过程枯燥重复，对于人来说是一种极易疲劳的工作，而且随着监控摄像头的不断增加，一个监控人员所面临的往往是多个摄像画面，这样就进一步使得人工监控的难度和疲劳度增加，一味的增加工作人员的数量来解决此问题会提高成本且浪费人力资源，所以研究一种可以替代人进行观察分析的智能视频监控方法成为了如今的一个重要的课题，发展智能监控成为了未来的一种趋势。背景建模与目标检测是实现智能监控的关键与基础，其结果对于后续的处理有着举足轻重的影响，所以如何设计背景建模与目标检测算法是课题研究的关键。背景建模与目标检测算法是智能监控系统的根基。在背景建模与目标检测方面存在几个重要问题需要解决。　　本研究主要内容包括：⑴针对光照变化问题与阴影问题，深入研究了LBP算子，并对其进行改进得到了WLBP算法，此算法能够与背景建模算法相融合，并能达到消除光照变化对于目标检测的影响的目的。⑵提出了把WLBP算法与ViBe模型相融合的新模型。此模型改进了ViBe模型的初始化方式，使之融入了时空信息，在模型匹配过程中加入了使用WLBP的二次判断，能够有效的抑制快速光照变化的对目标检测的影响，同时也能够抑制阴影对目标检测的影响。⑶为得到更好的目标检测效果，对RGB图像转化为灰度图像的计算方式进行了重新设计，此方法针对RGB三通道与其均值间的差异性不同而设计了转化方式，能够突出图像的特征处，使得转化后的灰度图像在进行二值化或其他需要获取图像特征的算法的处理后能得到更好的效果。⑷针对二值化对于目标检测的重要作用与意义，提出了一种能够自适应选取阈值的二值化算法，此算法能够减小噪声对于目标提取的干扰，抑制光照变化与阴影对目标检测的影响。