随着信息化时代的来临,智能监控视频在安防、交通各个领域都发挥了很大的作用。智能视频监控处理中,目标检测技术,以及异常物体或异常事件的检测是一个重要的研究方向。本文主要检测的目标对象为监控视频中运动后停止的物体,即暂时静止区域对象,该类对象可能包括视频中的遗留物、从固定场景中被移除的物体、交通场景中的违规停车现象等。本文选取上述目标作为研究对象,提出了一种基于背景建模和超像素分割的目标检测和提取方法,主要包含像素级处理和区域级处理两个部分。首先,介绍了高斯背景模型,并根据目标的特点改进了高斯混合背景模型的更新方法,使前景分割结果中包含目标区域像素,并根据双背景思想设计检测步骤,可以有效地检测并提取在场景中停留指定时长的目标物体覆盖的像素部分；之后,引入超像素分割概念,将图像分割为超像素区域,结合背景建模的提取结果,设计判别条件,输出以超像素为单位的检测结果,利用帧内的图像空间相关性,使目标检测结果更准确。本文提出的算法在标准监控视频数据集上进行了仿真实验,绘制了实验结果,给出了目标提取精确度指标,并提供了以事件为单位的检测结果。实验结果显示,与对照的基于背景建模的目标提取方法相比,本文中提出的算法可以适用于不同监控场景,能够有效提高目标提取的精确程度,同时具有较高的目标检出率和较低的误报率,且输出结果能够较好地拟合目标物体轮廓。