视频监控作为现代城市的一种社会事务管理手段,在生活中得到了广泛地运用。传统的监控模式存在许多弊端,因此监控中的智能视频分析技术仍然有很大的进步空间。在智能视频分析使用到的诸多技术中,运动目标检测是一项重要的基础技术,所以对于运动目标检测的研究有助于提升智能视频分析技术。近年来,随着运动目标检测技术的迅速发展,逐渐诞生了一些效果优异的算法。这些算法虽然在一定程度上满足了监控场景下的目标检测需求,但其中的绝大部分只对于静态场景有效,对于动态背景(相机移动)下的运动目标检测任务不具有适用性。在动态背景下,由于相机处于移动状态,使得背景与前景同时具备了运动属性,从而使两者的区分变得十分困难。因此,动态背景下的运动目标检测是当下目标检测领域中一项具有挑战性的课题。本文的主要工作如下：(1)针对动态背景下的目标检测问题,提出了一种基于运动补偿方法的在线背景模型更新算法,用一个快速的方式检测运动目标。具体来说,首先为每个像素点建立一个像素级的背景模型。然后在前一帧的背景模型基础上,用保边滤波的光流算法来估计每个像素的运动,传播到当前帧的背景模型。根据补偿后的背景模型判断每一个像素点是前景点还是背景点。最后,通过一个快速随机算法对背景模型进行在线更新,以适应背景的变化。我们对收集到的视频进行了大量的实验,通过实验验证了算法的先进性。(2)针对像素级目标检测的算法广泛存在的误检现象,提出了一种基于全局背景建模的目标检测优化方法,方法使用超像素块均值作为统计量进行混合高斯建模,利用了背景的全局外观一致性来优化像素级目标检测方法。通过实验,展示对像素级目标检测方法的优化结果,证明这样的一种检测优化方法具备优秀的优化能力。最后通过与基于运动补偿的检测方法的联合,构建了一种局部到全局的目标检测方法,通过对比实验,验证了这种局部到全局的方法在动态背景下有很好的检测效果。