目标检测是计算机视觉技术中的重要课题，在智能视频监控等领域具有重要地位。PTZ摄像机可以模拟人类主动视觉中的眼球注视、跳动及追随过程，扩大场景监控范围和增强场景感知能力，可以克服普通摄像机视野狭小和广角摄像机分辨率低的缺点，因此被广泛应用于监控中。但是PTZ摄像机拍摄的视频中包含摄像机自身的运动，给运动目标检测带来困难，同时对检测方法提出了挑战。本文首先综述了PTZ摄像机目标检测的基本理论。通过采取运动估计补偿摄像机的运动，把当前视频帧配准到全景背景图像上，完成当前帧和全景背景图像上对应场景像素的对齐，之后建立全景背景模型，以此检测运动目标，并更新当前帧对应的子背景模型。为了克服帧到相邻帧对应的图像配准方法存在的累积误差问题，本文深入研究了帧到参考帧对应的图像配准方法，提出了基于图像特征匹配的参考帧更新机制，通过利用视频流的帧图像与参考帧的特征匹配对数占该参考帧特征数的比例，得到该参考帧的最佳匹配图像。对于参考帧中的非“锚定帧”，用其最佳匹配图像的特征、与别的参考帧的特征匹配信息，通过更新机制进行替换；对于参考帧中的“锚定帧”，用其最佳匹配帧图像的特征、与别的参考帧的特征匹配信息、相对全景背景平面的旋转矩阵，通过更新机制进行替换。为了减少图像配准误差的影响，本文对传统的基于高斯混合模型（GMM）的背景建模方法进行了改进，提出了一种新颖的基于块（blob）的全景高斯混合模型背景建模方法。首先通过图像配准方法找到当前帧上的像素点在背景上的对应点，将当前帧上的像素点与其对应点周围像素的模型参数分别进行匹配，并采用距离加权的方法判定当前帧上该像素点是否属于运动目标，同时提出了基于后向投影的子背景模型更新策略。通过对PTZ摄像机实际拍摄的视频进行了测试，能够有效的检测出运动目标，实验结果验证了本文目标检测方法的合理性和改进算法的有效性。