运动物体检测可以从图像帧序列中提取出运动的物体。这项技术是很多重要应用中不可缺少的基本组成部分。在众多的运动检测算法中,基于光流的运动检测算法和基于混合高斯背景模型的运动检测算法以检测结果较高的准确性和所需计算量相对较低的优势为更多研究者所推崇。然而,随着当前应用中图像分辨率的提升以及实时性处理需求的提出,串行的处理方式无法在实时性处理要求的时间内完成运动检测的计算。　　 本文的研究工作对运动检测算法进行软件、硬件协同优化,在保证处理结果准确度的情况下,最大化处理帧率、最小化计算资源开销。通过软件算法优化、基于FPGA处理平台的硬件设计全流水以及粗细粒度并行,本文获得了每秒处理超过1000帧的性能,达到了高效实时性的运动检测课题的需求。　　 首先,本文研究了多种运动物体检测算法,并将基于光流的算法和基于混合高斯背景模型的算法进行了软件优化,并对结果进行比较。在经过将浮点操作改为定点数操作等优化之后,软件实现在保持准确度的情况下,计算开销得到一定程度的降低；同时,在软件分析中本文还充分挖掘了算法的并行性,为FPGA的高效设计奠定基础。　　 其次,为了获得高效的实时性处理,本文利用FPGA平台的并行特性来加速运动检测算法。本文采用全流水线设计,以及从任务级到比特级的粗、细粒度并行设计等加速技术。通过仿真结果表明,在基于L,ucas-Kanade的光流算法的FPGA实现中,每秒可以处理分辨率为320*256的图像达1230帧:在基于混合高斯背景模型算法的FPGA实现中,每秒可以处理分辨率为320*256的图像达1066帧。同时,本文还对两种算法的FPGA设计进行比较。　　 最后,本文利用带有Altera Stratix IV GX230 FPGA芯片的开发板设计了软、硬件优化后的运动检测系统。由于采用了流水线以及并行结构的设计,该系统在处理分辨率为1280*1024的视频图像时,速度高达每秒60帧。在保持数据集相同,并且准确度一致的情况下,该系统要比优化后的基于i7930 CPU@2.8GHz的软件版本快9.63倍。