视频序列中的运动目标检测与跟踪技术是计算机视觉的核心技术之一，被广泛地应用于各种自动化系统工程中，本文主要研究了视频序列中的运动目标检测技术。本文对视频序列中运动目标检测技术的光流法、帧间差分法和背景差分法进行了详细的分析，比较了这三种经典方法的优缺点及适用场合。在结合OpenCV开源库的VC++6.0的仿真平台上，利用基于统计平均和混合高斯模型的背景差分法分别对室内和室外的监控视频进行了仿真研究，仿真结果表明，对于主要噪声为光照突变的室内视频，基于统计平均的背景差分法的检测效果优于基于混合高斯模型的背景差分法；但对于噪声来源较为复杂的室外停车场的监控视频，基于混合高斯模型的背景差分法与基于统计平均的背景差分法相比能够更准确地检测出运动目标。基于码本模型的背景差分法与基于高斯模型的背景差分法相比能够更有效地抑制光照突变等干扰噪声，并且具有较好的实时性，但该方法在检测前景目标时，无法对已构建的码本进行实时更新，从而容易造成运动目标的误检；另外，该方法所提取到的运动目标轮廓不够清晰。针对这一问题，本文提出一种改进的基于码本模型的运动目标检测方法，通过增加缓存码本实现了在检测前景目标的同时对码本进行实时更新，并用实时更新的码本模型对运动目标进行检测，最后将检测结果与三帧差分法所得到的检测结果进行融合，仿真结果表明，本文提出的运动目标检测方法可以有效地减少由于环境突变引起的误检，同时提高了所检测到的运动目标轮廓的完整性。