运动目标检测技术的主要目的是将运动物体提取出来,为后续的目标识别和跟踪等提供准确、有效的信息。在医疗领域、军事领域和交通领域等有着广泛应用。但在复杂场景下（如背景变化等）的准确率大打折扣,因此研究一种高效、精准的运动目标检测算法有着重要意义。为了能够准确提取运动目标,本文以视频图像的运动目标检测中的Vi Be算法为主要研究对象,工作概括如下:第一,针对Vi Be算法易受光照等背景变化影响、容易将移动缓慢的物体误检为背景以及首帧存在运动物体时会产生鬼影的问题,本文设计了一种自适应的Vi Be算法,该方法引入标准离差率自适应改变匹配半径,利用帧间均速测量值自动更新速率,以及采用迭代法获得待测图像整体性的最优阈值进行二次判别抑制鬼影。实验结果表明,该算法能够较好克服动态背景带来的影响,提高准确率同时抑制鬼影现象发生。第二,针对Vi Be算法难以区分阴影和运动物体的问题,本文提出了一种多特征融合的阴影检测算法,该算法将利用自适应的Vi Be算法得到的前景目标分别进行HSV、LBP和Gabor滤波阴影检测,得到3种阴影检测结果,并将这3种结果利用融合策略得到阴影区域,再利用后处理操作去除噪声,进一步修正结果。实验结果表明,本文算法根据检测效果分析和客观评价指标在检测阴影方面比其他算法具有明显优势。第三,针对Vi Be算法在复杂场景下提取不完整问题,本文结合自适应的Vi Be算法与阴影检测算法设计了一个新的运动目标检测算法:M-Vi Be算法,实验结果表明,本文算法既能克服动态背景变化的影响也能检测出阴影区域,精确提取目标。