在计算机视觉领域中，运动目标的检测是一门非常重要的技术，也是对运动目标作后续处理的基础。随着计算机技术与图像处理技术的发展，视频中的运动目标检测技术广泛运用到军事与民用等诸多领域。因此，运动目标的检测已经成为目前研究的热点课题之一。许多研究人员进行了大量的研究，提出了许多行之有效的方法。本文对目前常用的运动目标检测算法进行了详细的研究和分析，总结了传统运动目标检测算法存在的问题和不足。重点对基于混合高斯模型(Gaussian Mixture Model, GMM)的运动检测算法进行了深入研究，本文的主要工作如下：第一，提出了基于改进混合高斯模型的运动目标检测算法。本文主要针对混合高斯模型在背景更新时采用固定速率值α、检测过程中高斯分布与背景模型匹配不准确的问题进行了改进。首先，结合卡尔曼滤波器与混合高斯模型，利用卡尔曼滤波器预测运动目标轨迹和速度，根据目标运动情况自适应选择更新率α；其次，提出了基于双重匹配的原则进行模态匹配，从而提高了匹配的准确度。第二，提出了基于局部色彩空间转换的阴影抑制方法。在该算法中，首先，利用改进的混合高斯模型进行运动目标检测；然后，将检测出来的前景运动目标区域锁定在一个局部活动矩形框内；最后，对于局部活动矩形框内运动目标的阴影利用HSV色彩空间方法进行阴影消除。第三，设计基于FPGA的图像采集与显示系统。利用DE2硬件平台进行开发，其中FPGA芯片型号为Altera Cyclone II系列EP2C35F672C6。采用高速CMOS图像传感器实时采集图像，并利用基于VGA接口的CRT显示器显示采集到并且处理完的结果。实验测试结果表明，本设计实现了640×480@30fps视频的运动目标检测，且系统具有较好的检测效果。