随着汽车数量的迅速增长,交通事故也越来越多,造成令人震惊的人员伤亡和财产损失。如何减少交通事故、降低交通事故造成的损失成为人们日益关注的焦点。尤其是在倒车时,由于车辆后部的盲区和运动目标方向的不确定性,很容易发生与运动目标间的碰撞。因此,及时检测到可能发生碰撞的运动目标并警告司机,可以有效的减少交通事故。可是由于运动目标检测受到环境因素、优势特征的选取和实时准确性的影响,因此检测运动目标是一个非常有意义和挑战性的问题。本文以车载鱼眼相机获取视频,由于鱼眼图象存在图像变形,在运动目标检测领域应用还比较少。本文利用不同平面之间的映射关系和不同空间坐标系之间的变换关系,推导出基于平面和柱面鱼眼面图像校正公式。通过实验,分析了每个算法校正后的效果,并最终选择了基于平面的鱼眼校正。在特征点检测和匹配算法研究过程中,首先从稳定性,抗噪声性和复杂性3个指标来定量比较分析Harris和SUSAN算法,经对比分析选择了Harris算法。由于Harris算法检测到的特征点过于集中,本文提出了改进的Harris角点检测算法。接下来,对基于金字塔的Lucas—Kanade特征点匹配算法做了深入的研究,并在实际应用上取得了很好的效果。然后,本文在特征点检测匹配算法的研究基础上提出了基于动态多帧的特征点检测匹配方法。通过实验分析,该方法节省算法运行时间,提高了特征点匹配的准确性。在运动目标检测过程中,本文首先对极几何的代数表示基础矩阵进行了比较深入的研究。在研究分析了传统的基础矩阵的估算方法基础上,将智能优化算法中的遗传算法应用到了基础矩阵估算,并且对本文提出基于算遗传算法的基础矩阵估计算法和以前传统方法进行了对比分析实验,从实验可以看出改进算法大大提高了算法的稳定性和抵抗噪声能力。应用估算得到的基础矩阵和极约束原理检测到运动特征点,然后利用运动分割标记出运动目标。最后在不同条件下进行算法评估,包括不同的光照条件和道路状况,都达到较高的识别率。