运动目标检测是计算机视觉领域的一个重要研究课题，在智能视频监控、人机交互、视觉导航等许多领域有着广泛的应用。当场景中的光照有变化，特别是突然变化时，运动目标检测会变的非常困难，这也使得运动目标检测是一项具有挑战性的课题。　　 本文首先对近年来运动目标检测领域的大量文献进行调研和分析，深入理解当今流行的基于背景减除法的运动目标检测方法的原理、特点和技术，对各种背景模型进行了分析比较，得出了不同背景模型的优劣，并总结了各种背景模型的适用场景。　　 然后，本文对各种图像特征进行对比分析，对各种图像特征的不变性、精度和复杂性等多项指标进行了总结，确定了各图像特征的适用场景。　　 接着，根据局部二值模式(LBP)纹理特征的灰度不变性、复杂度低、容易实现等优点，提出了基于LBP纹理特征的运动目标检测算法，该算法可以自适应的更新背景，在很短的时间内将背景更新为真实背景，从而提高目标检测的准确率。　　 最后，本文通过实际场景，对本文提出的运动目标检测算法进行了实验，同时与当前流行的算法进行了多组对比实验，实验结果表明，本文比同类算法更能适用光照的突然变化，同时可以一定程度上达到实时的要求。