运动目标检测技术是计算机视觉领域中一个前沿的应用课题和研究热点。随着互联网技术和数字视频技术的飞速发展,计算机视觉正向着智能化和网络化转变。机器视觉的目的就是研究如何使得机器具有与人类相似的视觉处理能力,从而能够使其协助甚至替代人类工作。运动目标检测技术是机器视觉领域的关键问题,也是动态视觉信息获取的必要过程。运动目标检测几乎是所有视觉监控系统的开始,旨在将图片中与运动目标相关的区域同其他区域分割开来。运动目标检测的研究具有很强的理论和实际意义。运动目标检测技术具有广阔的应用空间和巨大的潜在应用价值。近几年,国内外众多学者一直致力于运动目标检测的研究,一些著名的检测系统也应运而生。现有方法大多针对的是特定背景,对背景中某一个突出的影响因素取得了很好的效果,并不能完全解决复杂背景给运动目标检测带来的影响。运动目标检测不仅是一项热点的理论课题,也是一项亟待解决的工程课题。实际的视觉系统工作的环境非常复杂,提高系统的适用性十分迫切。而要提高视觉系统的适用性就必须解决在复杂场景中动目标的鲁棒检测问题,解决的关键在于:1)对复杂背景的统计建模;2)采用鲁棒的检测技术。鉴于此,本文对复杂背景的运动目标检测做了深入的研究,并提出了一种运动目标检测的算法:1.研究了帧间差分法的原理,分析了传统帧间差分方法的优势和不足,以每个像素点的帧差序列作为建模对象,采用混合高斯模型为数据建模。2.引入目标的统计与检测理论及虚警率的概念。依据门限检测的方法,建立检测门限和虚警率之间的函数关系,提出了以一元线性回归为基础的背景更新策略。经过以上方法求出的门限值对差分图片进行二值化处理后,运动目标轮廓清晰可见,复杂背景转化为轮廓周围离散的点状噪声。3.比较了各种滤波方法和边缘检测方法,提出了以非0像素点重心为基础的去噪方法和前景分割的方法。以上方法,都经过了大量实验的验证,取得了比较满意的效果。