近几年无人机技术的发展日新月异,无人机在摄影、测绘、农业遥感、物流、探伤、清洁等方面都发挥着日渐重大的作用。然而无人机也在一些方面给社会生活带来了严重的困扰。随着无人机数目的增长,对无人机的监管势在必行。本文根据以上背景,提出了一种基于视频的无人机检测方法,并设计了本文方法的现场可编程门阵列(FPGA)实现方案。本文先介绍了运动目标检测的基础知识,重点介绍了混合高斯模型(GMM)和视频背景提取(ViBe)这两种效果比较好的现有算法。之后设计了不同场景下的实验,测试GMM与ViBe算法的性能。GMM能拟合复杂背景下像素点灰度值的概率分布,但无法检测无人机这样的弱小目标。ViBe对于弱小目标的检测比GMM敏感,但在复杂背景下的检测结果有大量的噪点。除此之外,ViBe算法只需要一帧图像就可以初始化背景模型,更新策略简单,运算量小,便于使用嵌入式系统实现。所以本文结合GMM算法的优势,对ViBe算法进行改进,提出了一种基于视频的无人机检测方法。本文对于ViBe算法的改进主要在预处理和前景检测阶段。在预处理阶段,提出了一种地平线检测方法,根据每一列上图像灰度值的分布分割天空与地面区域。这种分割方法可以避免地面上的物体对无人机检测的干扰,也可以降低算法的运算量。在前景检测阶段,结合GMM的核心思想,在阈值检测时引入高斯分布。计算像素点灰度值与样本均值的距离,利用样本的2.5倍标准差作为阈值分割前景与背景。这使得算法在复杂背景下检测效果更好。经过实验,本文方法在复杂背景下的无人机检测效果比GMM与ViBe都有显著的提升。在最后,本文根据FPGA的特性,对算法做了针对性的调整,设计了算法每个步骤的FPGA实现方法。并且通过仿真验证了本文设计的FPGA模块能实时实现本文方法。