运动目标检测是计算机视觉中的基础性课题,在人类社会的多个领域内具有广泛的应用前景和研究价值。目标检测可以分为静态场景和动态场景两种情况。其中,动态场景中的运动目标检测除了具有静态场景中的运动目标检测所要解决的问题,还要去除摄像机自运动的影响,因此它的研究难度更大,目前发展仍不成熟。本文特别针对动态场景的目标检测问题,将动态场景划分为二维和三维两种类型,并研究了各自情况下的解决算法。二维场景下的运动目标检测。我们引入了一种通用性强的全局运动模型,用特征点匹配的方法计算全局运动参数,并进行运动补偿,从而检测出运动目标。该算法经过对多组实拍和标准序列的测试,证明能够实时精确地检测出二维场景中的运动目标。该部分主要新颖之处有:(1)分析了不同摄像机运动情况下和不同场景类型下的图像全局运动,并且引入八参数运动模型来描述图像全局运动。(2)针对SIFT特征点匹配速度慢的缺陷,实现了基于特征点预测的检测和匹配策略,在不降低SIFT本身性能的前提下,极大的提高了算法效率。(3)基于残差图像的特征点更新策略,即时更新特征点,在提高算法效率的同时,保证了算法鲁棒性。三维场景下的运动目标检测。该算法使用多视角几何学的知识进行场景点的三维位置重构,从而实现运动目标检测。该算法在室内实拍的长序列三维场景视频上进行验证,实验结果证明,该算法对三维场景中的目标检测结果具有良好的鲁棒性和准确性。此部分的新颖之处如下:(1)在运动目标检测中引入多视角几何学的相关理论。结合极几何和三视角几何,为特征点分配动态性概率。(2)提出三维位置一致性约束,检测出在连续的三帧图像中,三维位置发生变化的动态点。