随着半导体及计算机技术的快速发展,计算机视觉和图像处理逐步应用到各个领域当中,例如与人们日常生活相关的“平安城市”建设中,大量智能监控设备得到应用,国防安全上的无人侦察机等等,在这些视频应用中关键技术之一是运动目标检测。要对这些视频进行深入分析,必须首先从场景中提取感兴趣的运动目标,抑制大量冗余的无关背景信息,本文对基于运动显著性的背景全局移动下的运动目标检测进行了研究,并且对于检测目标算法存在丢失目标的情况提出相应的解决方法。首先本文介绍了现有的目标检测算法,对现有目标检测算法进行归类讨论,分析了当前算法的原理和各自的优缺点,针对算法中依然存在的部分缺点本文基于动态场景提出了一种新的目标检测算法。通过分析相机平动时场景中背景和前景的运动特点,模拟人类视觉系统的注意机制,计算视频场景的显著性,实现动态场景中运动目标检测。采用光流法提取目标的运动特征,用二维高斯卷积方法抑制背景的运动纹理;采用直方图统计衡量运动特征的全局显著性;根据得到的运动显著图提取前景与背景的颜色信息;最后结合贝叶斯方法对运动显著图进行处理,得到显著运动目标。由于上述算法依赖于光流特征,在视频的某些帧中存在因光流信息提取不正确或者目标速度过慢造成目标的短暂丢失。为了解决目标丢失的问题,本文也进行了相应的研究。将得到的目标初始位置信息依据光流信息逐帧的传递到后续帧当中,把位置信息与综合显著图相结合得到每一帧的能量图,对能量图采用聚类的方式提取前景目标。三个标准数据库视频上的实验结果证明,本文的目标检测方法能够在抑制背景运动噪声的同时,突出并能准确地检测出场景中的运动目标,而且采用位置信息能够较好的处理目标丢失的情况。