近年来随着计算机视觉技术的快速发展,小运动目标检测已经成为了计算机视觉的重要研究方向。在自然环境中检测小运动目标是许多生物最重要的能力之一,例如寻偶、捕猎等行为。其中视觉结构相对简单的蜻蜓是捕猎成功率最高的物种之一,因此对昆虫视觉通路的研究是启发解决小运动目标检测的重要途径。在昆虫视觉系统为模型的研究中,昆虫启发的经典目标检测算法（Insect-Inspired Tracker,IIT）以“基本小目 标运动检测器”（Elementary Small Target Motion Detector,ESTMD）作为其前端对视频进行局部运动检测,而后端对“预测区域”进行增益最终标记全场最大响应值位置为小目标位置。IIT模型凭借其模型简单、实时性强的优点,在简单自然场景下小运动目标检测过程中表现良好,但在较为复杂的场景下效果较差。为改进这种仿生模型,本文开展了如下工作:1、IIT模型分析。深入分析了 IIT模型的建模过程,对IIT模型前端局部运动检测阶段的适应性进行分析、验证,发现IIT模型前端局部运动检测阶段的单参数ESTMD模型对目标不同速度、尺寸的变化适应能力不强;IIT模型后端的数据关联阶段只关注运动目标多条可能轨迹中的一条,并不能同时关注、增益多条可能的轨迹（在复杂自然场景下往往会由于局部扰动而形成伪目标轨迹）,以给出更为准确的检测轨迹,在自然场景下对IIT模型小运动目标检测的性能进行测试,发现在较为复杂的场景下其检测效果不佳。2、前端局部运动检测阶段改进研究。在分析ESTMD模型、EMD模型（Elementary Motion Detectors,EMD）和 Gabor 滤波器内在联系后,发现 ESTMD模型与时空Gabor滤波器的本质均为时空亮度模式变化的匹配,具有内在的相似性。受Gabor滤波器在Hmax模型中的应用的启发,提出了对IIT模型前端局部运动检测阶段的改进方案,即:人工设置多参数的ESTMD模型,并对单参数ESTMD模型的调谐属性进行了分析,对多参数ESTMD模型进行了分析与验证,说明了多参数ESTMD模型改进方案的有效性;受Gabor滤波器在卷积神经网络中应用的启发,提出了第二种改进方案,即:用三维卷积神经网络训练的方式得到多参数时空Gabor滤波器,代替单参数ESTMD模型。3、后端数据关联阶段改进研究。针对IIT模型后端的数据关联阶段预测、增益及取最大的方法易失效的问题,采用“K最短路径”算法对局部运动检测结果进行数据关联。在仿真条件下验证K最短路径方案的有效性,使用IIT模型中的单参数ESTMD模型与K最短路径相结合的方案在自然场景下对小运动目标进行检测进一步说明K最短路径数据关联方案能够完成ESTMD模型输出阵列的目标检测任务。4、基于K最短路径的目标检测算法研究。分别使用单参数ESTMD模型、多参数ESTMD模型、多参数时空Gabor滤波器与K最短路径方案相结合构建了自然场景下小运动目标检测算法。对基于K最短路径的目标检测算法在自然场景下开展仿真研究,结果表明在复杂场景下检测小运动目标时,基于K最短路径的目标检测算法相对于IIT模型具有更好的表现。多参数ESTMD模型与K最短路径方案的目标检测算法对于目标尺寸、速度变化具有一定的鲁棒性,K最短路径的数据关联方案提高了基于ESTMD模型目标检测算法对复杂场景的适应性。多参数时空Gabor滤波器与K最短路径方案相对于IIT模型检测结果更精确。最终本研究实现了对于昆虫启发的经典小运动目标检测算法的改进。