运动目标检测技术作为监控视频处理的重点研究内容,近年来倍受关注,是诸多专家学者的热点研究问题。该技术旨在快速、准确的将运动目标从视频序列中获取,其精确度是后续的行为分析、视频检索、图像分类和目标跟踪等技术性能优劣的核心制约因素,是图像处理、三维重建等技术的研究难点,因此鲁棒性强、检测精度高、计算速度快的算法是运动目标检测的研究关键。为此做了以下工作:首先,概括了本研究的背景意义、目标检测技术的发展现状和主要研究内容,阐述了视频序列读取和预处理的一系列实现方法,以及经典的运动目标检测算法。其次,针对帧差法在实现过程中出现“空洞”、“双影”等导致检测目标不完整和轮廓不清晰的现象,采用平滑化三帧差分法(Smoothing Three-Frame Difference,STFD),即采用模糊理论的图像分割法与核回归法平滑光线敏感区,然后结合不同基数的混合高斯模型提出一种运动目标检测改进算法,分别采用正序和倒序对样本灰度矩阵处理,增强检测的精度;相邻帧灰度图经过平移和旋转,质点重合时的重叠部分导出仿射不变量,进行灰度图识别分析,从而解决有摄像机晃动时对运动目标提取的影响。改进后算法有效克服了监控摄像头抖动或偏移的影响,以及光线骤变和“双影”等现象,具有较高的精度和鲁棒性。最后,为了在监控视频中更高效的提取运动目标,提出一种平滑化三帧差分法(STFD)和鲁棒主成分分析(Robust Principal Component Analysis,RPCA)相融合的运动目标检测算法,其中RPCA实现数据降维的同时,可解决高、尖峰噪声而非高斯分布的问题。该算法的中间帧为RPCA提取的图像序列当前帧的背景,对其平滑化处理的当前帧和前一帧进行差分运算,这样避免了背景像素点带来的影响,消除了“空洞”等现象,对噪声的降低也有很大的贡献。不同场景的视频检测效果表明该算法具有较高的效率和精度。