视频中静止背景下的运动目标提取算法，首先介绍了帧差法和背景差分法这两类经典算法的基本思想和算法流程。其中先详细介绍了基于帧差法思想的两种算法：帧间差分法和三帧差分法，通过实验结果发现这两种方法都不能完整地提取出目标。然后详细介绍了基于背景差分法的三种算法：滑动平均法、高斯混合模型和核密度估计，通过实验结果发现滑动平均法会产生一些错误识别的区域，高斯混合模型会出现较多的漏检情况而核密度估计会错误地识别目标附近的区域。提出了一种基于直方图灰度值归类的背景差分法，利用直方图灰度值归类构造背景，使用迭代法自适应地选取阈值，采用联合时空域的分割和形态学重构完成运动目标的分割。同时也给出了一种新的思路，即先大致定位运动区域接着再只对运动区域完成运动目标提取，并通过实验证明了它的可行性和有效性。最后，通过实验发现本文算法与高斯混合模型和核密度估计相比，虽然在漏检率和误检率有时并不是最好的，但是在错误率这个整体指标上一直都是最低的，是这些算法里最稳定的。该算法能实时有效地构造背景模型，完整准确地分割运动目标。