无线视频传感网络可以对采集到的监控信息进行实时分析,并将有效信号远程传递给控制中心,提高了监控系统智能化的水平。运动目标检测作为监控网络中的一项关键技术,采用有效的检测算法不仅可以为后期智能系统分析和识别目标提供可靠的信息,而且还可以降低摄像机传感器节点传输信息的压力。通过研究发现,一些具有视觉特长的生物,其视觉系统对运动目标的感知、理解与分析的能力简单且高效,因此利用生物视觉特长的处理机制,突破传统检测方式面临的瓶颈,探索高效的运动目标检测技术。本文围绕运动目标检测问题进行研究,设计并实现了基于蛙眼视觉特性的仿生算法,完成了复杂应用场景中运动目标的检测任务,论文主要研究工作如下:首先,分析了运动目标检测在实际应用中面临的问题与挑战,通过研究蛙眼特殊的运动信息处理方式与认知机理,探索运动目标检测的新方法。其次,通过分析蛙眼视觉神经细胞中不同检测器的作用,利用视频图像处理方法,实现包括运动检测器和边缘检测器在内的视觉神经细胞的检测功能。其中,为了模拟蛙眼视觉神经细胞中的运动检测器,本文研究了运动目标检测的四种方法,并对四种算法的原理及优缺点进行介绍、总结和分析。利用RPCA在动态场景中恢复背景的鲁棒性,将其与帧差法结合对运动目标显著区域的检测进行改进。实验结果表明,与传统方法相比,本文改进的算法提高了复杂背景下检测的准确性且满足实时性需求;再次,为了模拟蛙眼视觉神经细胞中边缘检测器的功能,本文探索了图像处理中边缘检测的常用方法,通过分析传统Canny边缘检测存在的不足,采用大津阈值自适应选取最佳分割阈值对传统的Canny边缘检测进行改进。通过实验数据的对比分析,改进后的算法可以自适应的选取高低阈值,提高了传统Canny自适应的能力。实验结果表明,该方法改善了边缘检测出现伪边缘和边缘断点的问题。最后,本文基于蛙眼的视觉信息处理方式,设计了一种基于蛙眼视觉特性的运动目标的检测算法,该算法有效结合了目标的运动信息和边缘信息,通过融合动态目标的多维特征,实现了对运动目标较为精准的检测。实验结果表明,该算法在复杂的动态场景下具有较高的可靠性和鲁棒性,检测的准确率也得到了提高。