运动目标检测算法是当前计算机视觉领域中的研究热点之一，在智能监控、航空航天、军事等领域应用非常广泛。目前国内外一些知名学者对此进行了深入的研究，并提出了一些具有实用价值的解决方法，然而已有算法在检测实时性、检测目标的完整程度方面仍存在不足。为此，本文进行了如下一些研究工作:
　　 (1)针对传统的帧差分算法在运动目标检测过程中目标存在较大空洞和丢失边沿轮廓的不足，本文提出了一种新的运动目标实时检测算法。该算法首先对视频序列进行预处理，再进行传统的帧差分运算，随后再利用新引入的邻域影响因子来更新像素的前景概率，最后通过数学形态学分割处理与边缘检测的结果进行逻辑“或”运算，提取出运动目标。算法分析和实验结果表明新算法在目标识别率与检测速度都有较明显的提高，并且误检测率有较大程度的减小。
　　 (2)针对传统的混合高斯背景模型计算量过大与目标边沿轮廓显示不够完整的不足，本文提出了一种基于改进的背景差分运动目标实时检测算法。该算法引入三帧差分的方法，提高了检测目标轮廓的清晰度;通过HSI混合高斯建模前进行分块处理有效减小了计算量，并利用逻辑运算融合三帧差分与HSI混合高斯模型进行高效的背景提取。经实验验证，该新算法能快速而又准确检测出了监控视频序列中的运动目标，并且目标轮廓清晰度也有明显的改善。最后对不同环境的场景进行了多次实验，实验结果表明，该算法相比自适应混合高斯模型算法，在准确性与实时性均有明显的改善。