本文所讨论的运动目标的检测,指的是如何在一个连续帧的图片中检测出运动物体,这个问题有很强的实际应用前景,在现代生活中应用很广,在各行各领域都发挥着重要的作用。图像序列不仅包含目标在真实三维空间投影下的二位图像平面,也包含了时间维的运动趋势。怎样利用两帧图像或多帧图像来刻画目标运动的特征,就是计算机视觉需要解决的核心问题。在第一章中我们介绍了运动物体检测的基本情况和现状,并对本文各章内容进行了简单介绍。接着分析了两帧差分以及三帧差分来检测运动物体的的处理步骤,并进行了一些相关的实验。分析了这种方法计算速度快,但同时由于目标空洞会和光照强度的扰动会带来分析障碍。随后研究了背景差分法,给出了高斯背景更新和混合高斯背景更新的模型,好的背景图像能够极大的改进帧间差分的不足。本文中重点介绍了光流法的模型及特点。结合小波的的多分辨性,分析了解析小波优点,这就是它不会带来误差的累加,同时可以避免实值小波系数带来的相位振荡,从而减小了计算误差。在本文中我们选取了Gabor小波,分析了Gabor函数的时频图像,并选取了合成和真实的运动图像序列进行Gabor小波计算光流的仿真,在文章中我们对参数采取的是手动选取的。在程序算法上,我们对频率进行旋转选择,在最后的选择上我们使用了非极大抑制的策略,对光流计算的准确度进行了数值评价,得到了较好的结论。最后进行了整体分析与方法展望。虽然耗费了计算复杂度,但对于纹理结构明显的图像的光流分析准确,这就印证了Gabor函数对线性边缘具有较好的检测效果。