视频运动目标检测是视频分析的关键,也是视频分析中的基础部分,其检测效果的好坏会直接影响后续的跟踪、识别等环节。本文在视频运动目标检测的两种经典方法——帧间差法和背景差法的基础上展开研究。帧间差法是在背景静止的情况下将不同时刻的两张视频图像进行比较,可以反映出运动物体在此背景下的运动结果；背景差法是通过对视频序列背景的提取,然后将背景图像和视频原始图像进行比较从而得到目标的运动区域。本文在深入分析帧间差法中差分后图像的阈值选取问题和背景差法中的背景提取问题的基础上,提出了一种改进的三帧差法和一种新的背景提取算法。改进的三帧差法是一种基于三帧差分和阈值分割的运动目标检测方法,分为三帧差分和阈值分割两部分。原始的三帧差分法存在差分运算后的运动目标区域分割阈值难于选取的问题,改进后的三帧差法将原始三帧差分法与自适应阈值分割算法有机结合,可以避免人工用经验选取阈值,从而有效地解决该问题。在自适应阈值分割算法上,通过对传统的Otsu算法进行改进,提出了一种基于遗传模拟退火的Otsu阈值视频序列图像分割算法,该方法结合模拟退火算法和遗传算法这两种全局优化算法的特点,对Otsu算法的阈值求解过程进行了优化,并考虑到了视频图像序列的帧间相关性,对改进算法的初始种群的选取范围进行了有效的缩减。实验表明,当目标大小超过一定阈值时,改进后的阈值分割方法在精度和效率上要优于Otsu算法；在融合三帧差法和改进后的阈值分割算法后,虽然牺牲了一定的实时性,但对视频运动目标的效果明显好于原三帧差分法。本文针对背景差法中的背景提取问题提出了一种新的背景提取算法——基于视觉显著的视频序列背景提取方法。视频序列中的单帧图像信息可看成背景冗余信息和前景目标信息的叠加,根据残余谱理论,提取多帧图像并进行均衡化后即可得到图像背景信息。首先抽取一定数量的视频帧,然后进行二维傅里叶变换,再求其对数谱并进行多帧均衡从而过滤图像的前景目标信息,最后通过傅里叶反变换即可得到视频序列的背景图像。实验表明,该方法能够比较准确的提取出视频序列的背景,但在背景更新机制方面有待进一步的研究,以适应背景变化较大的情况。