运动目标检测是机器视觉领域的关键问题。在工业、航空航天、医疗保健和军事等多个领域,数字图像处理技术和机器视觉得到广泛应用,这其中对视频图像中运动目标的检测及分析是机器视觉领域中具备广泛应用前景的一个研究方向,在智能视频监控系统、机器人导航、工业检测、医疗图像处理、军事雷达视频信号处理及视频图像分析中占据举足轻重的地位。　　在视觉系统应用中,无论是人机交互中人姿态的识别,还是视觉监控系统中对目标的识别,对运动目标的检测是各种应用的基础。实际的视觉系统工作的环境非常复杂,提高系统的适用性十分迫切。而要提高视觉系统的适用性就必须解决在复杂场景中动目标的鲁棒检测问题。解决的关键在于:1)对复杂背景的统计建模;2)采用鲁棒的检测技术。本文对复杂背景下运动目标检测做了相关深入的研究,并提出了一种新的运动目标检测算法。本文所做工作如下:　　1.介绍传统运动目标检测原理及算法,包括单高斯背景建模及混合高斯背景建模算法。在此基础上,提出一种基于贝叶斯后验估计理论的运动目标检测算法,为像素点建立贝叶斯概率统计模型。　　2.介绍贝叶斯后验估计的理论,说明其作为图像建模对象的合理性。　　3.提出两种新颖的背景更新算法,应对复杂场景下出现的缓慢变化和“开关”变化。　　4.分析实验结果,对单高斯背景建模、混合高斯背景建模及本文提出的贝叶斯后验估计背景建模等三种算法进行性能测试。　　5.对全文的工作进行总结,阐述后续工作方向。