近几十年来，随着科学技术的进步，以计算机为核心的视觉图像处理领域得到了长足的发展。运动目标检测作为视觉图像处理领域的一个核心研究课题，在智能监控、医学和军事等多个领域得到了广泛地应用。因此，对运动目标的检测算法的研究有极其重要的理论意义和应用价值。本文主要是对摄像机静止情况下运动目标检测算法的研究，提出了一些改进方法，并通过实验仿真证实了改进算法的有效性。本文首先是简单介绍了运动目标检测相关的理论知识：图像预处理、数字形态学处理、边缘检测等。然后探讨了现存的三大经典运动目标检测算法：帧差分法、光流法和背景差分法。对这三大算法的原理和优缺点进行了详细分析。并详细介绍了背景差分法中利用混合高斯建模获取背景和帧差分法中的三帧差分法的原理。针对传统混合高斯模型不能很好适应光照变化的不足，分别从局部光照和全局光照突变的两种情况提出不同的参数更新方案；针对传统三帧差分法检测出的结果存在目标物边界轮廓破碎、内部有“空洞”的不足，提出了结合Kirsch边缘检测算子的三帧差分算法；最后，将改进的混合高斯模型和三帧差分法通过逻辑“与”算法进行数据融合，并在VisualC++6.0平台上，利用OpenCV进行仿真实验。结果表明，融合后的算法不仅能较完整清晰的检测出运动目标，而且也对户内或户外光照的突变具有较好的适应性和鲁棒性。