随着实时视频监控技术的发展，运动目标的检测在众多领域都有着广泛的应用。针对当下运动目标检测算法易受环境噪声和光照突变的影响，为了提高算法的稳定性和自主检测能力，本文系统研究了背景减除法和帧差法的不足和优势，提出了一种基于统计信息的改进滑动平均算法。首先，依据帧间差分对光照不敏的特性，粗略分离出背景和前景部分，同时去除掉其他随机孤立噪声，然后在滑动平均算法中引入对前景点的统计计数，自适应更新背景建模学习速率，加速背景模型收敛，最后将滑动平均与三帧差分两者形态学处理后的目标团块进行与运算，得到准确的前景区域。实验结果表明，本算法可以在树叶晃动和光照变化中精确定位运动目标，正确前景点率平均提升7.4%，得益于帧差法特性，误检前景点率显著降低，鲁棒性和自适应性更好。

提出了一种结合边缘混合高斯模型与帧间差分的方法,来实现红外光照突变场景下的运动目标检测。该方法通过统计阈值及图像方差的变化范围来判断光照突变情况的发生，并引入减缓因子来改进模型。实验结果表明，与传统检测方法相比，改进方法误检率更低，检测准确度更高，稳健性更强，更能有效解决智能安防监控系统中光照突变及红外模式过渡导致的误报问题。