视频动态目标检测技术,旨在提取出视频序列中的运动目标,是计算机视觉领域的基础。快速而精确的提取出运动目标,是进行后续研究的前提,比如目标分类、视频跟踪、行为识别等。近年来,视频动态目标检测技术广泛应用于智能监控、视频检索、模式识别等相关的领域,同时,它也是基于内容的视频编码、交互式多媒体等应用的重要工具。视频相邻帧之间具有很强的时间连续性,帧内具有高度结构化的空间关系。在传统的目标检测背景差法的基础上,本文融合视频帧的时间和空间关系,提出以下三种目标检测方法：(1)基于自适应分块和灰度相关性的检测方法；(2)基于自适应分块和结构相似性的检测方法；(3)基于自适应分块和Hausdorff距离的检测方法。三种方法都是在对图像自适应分块的基础上,充分利用像素邻域之间的关系,避免对单个像素进行操作,减少单个噪声的干扰及大量的运算。其中,方法一借鉴灰度匹配思想,引入相邻帧对应分块间的灰度相关性,并对灰度相关性计算公式进行改进,计算对应分块间的相关性大小,作为区分前景与背景的依据；方法二依据图像质量评价规则和结构相似性原理,计算对应块间的结构相似性,用来判断当前块与背景块的相似性大小；方法三根据背景差法的基本原理,引入图像距离度量和Hausdorff距离的计算公式,计算对应分块间的距离大小,作为判断前景与背景的根据。经过实验测试,相比传统的背景差法,上述三种算法都有较好的检测效果,在速度上也有较大提升。