效去除运动目标包含的阴影区域，从而实现人头区域的检测针对摄像机在静止条件下的自适应运动目标检测，提出一种改进的运动目标检测算法。首先，针对高斯混合背景建模初期背景建模效果不理想的问题，利用统计的方法得到背景模型，根据背景图像建立高斯混合模型；在模型学习方面，为均值与方差设置了不同的学习率。针对传统的LBP算子的缺陷，提出了一种改进的纹理特征算子，将其与HSV颜色空间去阴影的方法相结合，从而实现对阴影的检测与去除，利用随机Hough算子对圆的检测原理，在运动目标检测的基础之上，实现对人头的边缘检

在智能交通系统中运动目标的检测是一个基本而又关键的问题。而传统高斯混合模型能较好的检测.出运动目标，但由于其没有考虑像素的局部特征，使得运动目标区域的错误检测率增加。为了更好的在高.速交通视频中检测出完整并且准确的运动目标前景区域，本文在子空间的思想基础上，提出一种基于像素.局部纹理特征的高斯混合模型改进算法，即以像素周围5*5图像块的均值、标准差、最大值、最小值和当前.像素值等5个特征作为局部纹理特征，建立高斯混合背景模型，进行运动目标检测。经过大量实验，结果表.明该算法能更准确、完整地检测出