运动目标检测技术是计算机视觉领域的热门研究方向,其主要目的是将运动目标检测为前景从视频序列中提取出来,与之相对的运动目标周围环境作为背景,与运动目标分离,具有成本低、可代替人工、全天候服务等优点,在智能监控系统的应用领域有着十分广阔的市场前景。视频稳像技术的作用主要是解决由于摄像头抖动导致视频影像随之偏移的问题,视频稳像技术通过分析视频全局信息,找出视频序列当中的抖动帧,并结合全局信息对抖动帧进行修复,可以更好地为运动目标检测技术提供去除干扰的视频序列。运动目标检测技术与视频稳像技术是计算机视觉领域当下的研究热点,在汽车辅助驾驶,机器人,智慧交通等领域被广泛应用,具有重要的经济价值与研究意义。运动目标检测技术在实际应用中,由于场景与摄像头设备往往会受到系统外的干扰,例如生产车间里天车等大型设备启动产生的振动使摄像头抖动,从而造成干扰,影响运动目标检测效果。因此,本文针对动态背景,采用视频稳像技术,实现生产车间指定生产区域人员误入检测与报警。视觉背景提取算法（Visual background extractor,Vibe）是简单快捷的背景建模和快速有效的前景判断方法,然而Vibe运动目标检测算法在背景产生动态偏移时会造成运动目标误检测,针对这一问题,本文提出引入带方向的加速分段测试提取特征与可旋转的二进制鲁棒独立基本特征（Oriented FAST and Rotated BRIEF,ORB）特征点匹配的改进Vibe算法来实现动态背景下运动目标检测。根据ORB算法提取特征点,采用随机抽样一致（Random Sample Consensus,RANSAC）方法计算变换矩阵参数,通过透视变换获取全局运动补偿图像,并将ORB特征点匹配样本帧动态更新,与Vibe算法的背景模型更新策略结合,最终消除动态背景下的干扰信息。本文在Visual Studio 2015软件环境下用OpenCV3.4.6与C/C++标准编程语言相结合编程实现了检测算法,并用样本视频对算法进行测试。仿真和实验结果表明:与Vibe算法运动目标检测方法相比,本文提出的算法可以大量去除前景误判点,提高了运动目标检测的准确性,并且保留了运动目标的完整性。