运动目标检测技术是视频分析领域的一个重要课题，被广泛应用于视频会议、远程教学、交通违章检测、军事勘察以及人机智能交互等领域。而在现实应用中，由于存在大量外界环境干扰，例如当背景中存在强烈的光照、雨水、摇曳的树木，海面波浪等，这些动态的复杂背景对传统的检测方法产生了巨大的影响。因此，基于动态背景的运动目标检测已成为令人关注的具有挑战性的研究课题。本文针对运动目标与动态纹理背景之间的差异性，主要研究了以下内容：1．本文采用了一种基于平稳小波变换和广义Gamma分布的中心-周围显著性检测方法。该方法利用中心-周围显著性来确定估计中心与周围窗口的差异性，从而检测出运动目标，由于运动目标和动态纹理背景在平稳小波域中具有不同的特性，并能反映到区域广义Gamma分布参数上，本文采用广义Gamma分布估计在小波域的中心与周围窗口参数，并通过对称的Kullback-Leibler距离测量出中心与周围窗口的差异性，最后，通过阈值法检测运动背景中的运动的目标。实验结果验证了本文所提算法的有效性。2．基于自回归滑动平均模型（ARMA）的运动目标检测。针对自回归滑动平均模型能有效刻画动态纹理这一优点，采用基于ARMA模型与中心-周围结构相结合的运动目标检测方法，该方法首先对图像帧进行高斯低通滤波，得到不同分辨率的图像序列，然后利用最小二乘法估计每个图像序列的ARMA模型参数，最后通过结合多个Kullback-Leibler距离求出运动目标的显著图。仿真实验验证了所提出的方法在具有动态纹理背景的目标检测中的优越性。