智能监控在各种场合的应用越来越广泛,而作为是智能视频监控的关键部分,运动目标检测也成了人们的研究重点,运动目标检测的好坏直接影响运动目标分类、跟踪、行为理解等后续处理。针对这方面的研究非常有理论意义,也非常有实际应用价值。运动目标检测是一个融合了图像处理、计算机视觉、人工智能、模式识别等多学科的技术,其方法也非常多,但不管使用什么方法,人们总是致力于寻找一种准确性、快速性和鲁棒性都比较好的算法。本文使用自适应混合高斯模型的方法,其宗旨是解决场景的复杂多变,是一种能够自动适应场景变化的运动目标检测方法,其目标标定准确率在90%以上。本文在多种场景下以静止摄像机拍摄的视频为研究对象,在获取背景、更新背景、目标标定、去除阴影、目标估计、雾雨污染图像复原等技术上展开了研究。本文主要做了如下工作：1、对比几种基础的图像预处理算法,得出中值滤波在计算速度和效果上较优,再结合其它算法比较好的地方对中值滤波进行改进,使之对高斯噪声也有比较好的抑制效果。对比几种常见的目标标定方法,得到一种准确性最好的方法对运动目标进行标定,这是对检测结果的直接体现。2、通过在环境变化不是很大的场景中,得到背景差分法优于其他算法的地方；然后在环境变化较大的场景中,通过反复设定混合高斯模型的参数,得到通用性较好的算法。3、对混合高斯模型进行改进,得到一种快速算法,使之该算法可以在实际应用中使用。并针对一些实际情况,结合相应的算法,得到改进的混合高斯模型。