随着全球恐怖活动的增加和监控设备的发展,视频监控技术的研究引起极大重视,自动检测监控视频中的可疑运动目标是视频监控的关键点。目前在检测的过程中仍然面临一定的困难,如自然场景的复杂运动、摄像机的抖动等干扰引起运动目标检测的不准确性,区分场景中显著运动和干扰运动是目前视频监控运动目标检测存在的难点和重点。鉴于上述问题,本文融合了时空显著性,提出一种基于显著运动的目标检测算法,主要的工作如下:在空域显著性检测上,提出用带权有向图表示图像,以改进SLIC方法得到的超像素块作为图节点,以超像素块的邻域距离为弧权值,同时把弧终点的邻域信息作为影响因素,生成哈密顿矩阵,通过计算最小特征值对应的特征向量获得单尺度下的空域显著图。在时域显著性检测中,通过提出基于像素的采样式背景建模方法,利用视频中连续帧的特征连续性,建立基于像素的样本点模型并不断对其更新,利用该样本点模型计算像素的运动显著值,获取时域显著图。在结合时空显著图时采用动态系数融合方法,结合上述空域显著图和时域显著图,实现了基于运动优先的动态融合,获得显著运动的目标区域。本文利用Pub PETS和GTI两个公共数据集,在MATLAB环境下实现本文算法,与流行的三帧差分、高斯混合模型、CodeBook和Vibe四个算法进行比较,对比了这五种方法的查准率、查全率、F-measure三个评价指标。实验结果表明本文提出的基于显著运动的视频运动目标检测算法,与这四种运动目标检测算法比较,对显著运动目标的检测精确度有一定的提高,对亮度变化干扰具有较强的鲁棒性,时间效率有所提高,接近符合实时性要求。