运动目标检测是计算机视觉领域的研究热点之一,该技术可以对视频图像中的目标进行定位、检测,是实现目标跟踪、行为分析等任务的基础。但在进行运动目标检测的过程中会遇到各式各样的干扰,如复杂的背景图像、障碍物部分遮挡以及外界光照等,所以如何更好地实现运动目标检测具有十分重要的意义。同时,基于FPGA+ARM架构的ZYNQ平台,可以通过软硬件协同设计的方式为计算机视觉在复杂模式下的实现开拓新的思路。本文就此,研究了基于ZYNQ的运动目标检测,在传统AdaBoost算法的基础上,结合结构型Haar特征,提出了一种新的运动目标检测算法,并在ZYNQ平台上利用软硬件协同设计的方式进行实现。本文主要分为四个部分:第一部分介绍了运动目标检测的研究背景与意义,并对国内外研究现状进行了概述;第二部分描述了系统的硬件结构,整个系统主要由前端摄像头采集子系统、图像处理子系统和图像显示子系统构成,此外还详细介绍了各个子系统的具体硬件及其参数;第三部分介绍了一些常用的运动目标检测算法,然后提出了一种基于结构型Haar特征和AdaBoost的运动目标检测算法,该算法利用结构型Haar特征,并对传统的AdaBoost学习算法进行改进,既提高了样本训练速度,又提高了检测的精度;第四部分完成了基于结构型Haar特征和AdaBoost运动目标检测算法的软硬件协同实现,首先介绍了系统所使用的开发工具、AXI协议、AXIVDMA基本配置和整个图像预处理框架,之后搭建了嵌入式开发框架,移植了 OpenCV、Qt等所需库,最后在ZedBoard开发板上进行实现。实验结果表明,系统在复杂背景、障碍物部分遮挡、外界光照等条件下,都能够准确地进行运动目标检测,且具有较高的检测率。同时,采用软硬件协同工作的方式与单纯使用软件的方式相比,可以节省近4.5倍的时间,可以达到实时检测的目的。