运动目标检测是计算机视觉技术的一个重要分支,它是后续视频处理的基础,如运动目标跟踪、识别和行为理解等,它在医疗、航空和监控等领域有着非常广泛的应用。随着人类在医学成像、人工智能和虚拟现实等领域探索步伐的不断前进,人们对运动目标检测系统的准确度和实时性的要求越来越高,单纯的软件处理方式无法实时处理高清图像,高精确度和高实时性运动目标检测系统的实现已成为当前计算机视觉领域亟待解决的问题。现场可编程门阵列(Field Programmable Gate Array,FPGA)硬件平台可以进行数据的并行处理,即具有高速处理数据的能力,同时又拥有灵活的可编程功能,所以,在FPGA平台上实现运动目标检测系统具有一定的研究意义和较高的实用价值。本文首先对几种常用的运动目标检测算法进行了研究,分析了各个算法的优缺点,最终选择背景消减法中的ViBe算法作为主要研究对象,针对现有ViBe算法的不足对其进行了改进,并在Matlab平台下进行了仿真验证,得到了改进算法的初步检测结果,结果表明改进的方法是有效可行的,然后在SDSoc软件平台上对算法进行了总体设计,通过软硬件协同的方法实现了改进后的算法,提高了检测系统的实时性,此外本文还引入了运动目标检测系统中常见的图像处理算法,包括中值滤波和图像形态学处理等,并进行了硬件设计及实现,提高了本文所设计系统检测结果的精确度。本文在Xilinx Zynq UltraScale+MPSoC ZCU104开发套件上搭建了测试平台,以改进的ViBe算法为核心,实现了运动目标检测系统,然后使用CWD2014数据集对所实现的运动目标检测系统进行了性能测试,测试结果表明,改进算法的硬件处理结果的召回率和F1参数指标高于原始ViBe算法、GMM算法和PBAS算法,检测精度高于原始ViBe算法和GMM算法,分类错误百分比(Percentage of Wrong Classifications,PWC)低于原始ViBe算法、GMM算法和PBAS算法,说明改进算法具有较好的检测性能,同时硬件实现后的算法处理速度是软件所实现的5.8倍,可以实时处理1080p 30帧的视频流,本文还对运动目标检测系统的整体功耗进行了评估与分析,片上功耗为7.7W,远低于CPU平台的功耗,非常适合于嵌入式应用,结果表明该系统拥有较高的实时性和良好的检测效果,具有较高的实际应用价值。