运动目标检测作为图像处理中计算机视觉学科的重要分支，是近年理论和应用的研究热点之一，广泛应用于金融、交通、安全等许多领域，在社会生产和生活的各个方面显示出越来越重要的地位和作用。运动目标检测就是利用计算机从连续的图像序列中将感兴趣的运动目标从背景中分割提取出来。运动检测是运动分析、智能监控中的重要处理环节，通过运动检测可得到图像中的运动信息，提取图像中的运动目标或感兴趣区域，简化了后续的运动跟踪、识别与分类的难度。传统上依靠单一的检测算法，很难有效完整地从复杂自然场景的图像序列中检测出运动目标。为了获得较高的运动目标检测精度和效率，多方法融合的运动检测目前越来越受到研究者的重视，通过综合运动目标及图像的多信息，检测出运动目标。但是融合方法在提高精度的同时往往抑制运动检测效率，并且在有噪声干扰的情况下，检测结果会出现严重偏差。本文提出一种简单有效的基于光流场和水平集融合的新的运动目标检测算法。首先，通过图像序列中相邻两帧图像得到光流场，并设置阈值对光流大小进行二值化；然后，应用数学形态学闭运算实现区域连通，获取运动目标的大致运动区域；以此区域的边界线为水平集搜索的初始轮廓线，选择合适的图像颜色模型，通过能量函数搜索，得到准确的运动目标轮廓，从而提取出运动目标。实验结果表明，该方法不过于依赖光流场估计的正确性，可有效快速地检测出运动目标。最后，本文通过对在真实交通场景中的车辆检测的实验，验证了本文算法具有一定的实用性和普适性。