运动目标检测技术是计算机视觉领域最为基础的一环,该技术主要根据视频中背景区域与运动区域像素点变化的不同,从视频中提取感兴趣的目标,目标检测的质量会直接对后续的跟踪,监控,异常行为检测等目的造成影响。传统的固定摄像头摄取的视频大多数都处于静态背景,而近年来随着智能手机及航拍器等移动设备的普及,人们通过智能移动设备摄取的视频信息也逐年增多,通过智能终端直接检测视频中运动目标可以减少人力消耗。但由于环境影响及拍摄时设备的移动,这些视频的背景都不再静止。因此,针对上述问题,本文综合考虑智能终端的硬件限制及内存消耗,结合背景补偿算法,设计实现基于智能移动终端的视频运动目标检测算法。本文的主要研究内容如下:1.针对摄像设备移动导致的背景偏移问题,研究分析传统的背景补偿算法,提出基于改进SURF算子的背景补偿算法。首先通过SURF算子对被检测图像进行特征提取,再通过二进制的特征描述算法对特征点进行描述,然后通过汉明距离进行匹配及RANSAC算法剔除误匹配点。相较传统算法,改进算法在提升实时性的同时,具备较高的准确性及鲁棒性。实验证明,本文算法在尺度,旋转角度及光照强度不同的条件下,都具有良好的匹配效果。2.针对智能移动终端的硬件限制及动态背景检测问题,本文提出了结合背景补偿算法的改进Vibe算法。首先根据视频的第一帧建立背景模型,在根据背景补偿算法及更新的模型对视频序列的每一帧进行匹配补偿,使视频的每一帧背景与移动设备保持相对静止。并对Vibe法更新阶段的更新因子进行恒定,同时结合边缘检测算法及形态学完善目标检测效果。经实验证明,本文算法在动态背景下表现出良好的检测效果。3.针对目标检测在智能移动上的应用研究,为满足移动智能监控的需求,设计实现基于智能移动终端的背景补偿及视频运动目标检测系统。该系统基于Open CV库及Android开发平台并结合本文提出的背景补偿和目标检测算法。除具备上述算法的优点外,该系统对背景补偿及目标检测的效率较高,在移动状态下检测效果良好,同时开发成本较低。