动态场景的运动目标检测算法的研究是当今图像处理与图像理解领域的一个热门方向，也是未来视频处理的发展方向，受到当前图像界以及人工智能领域专家的极大重视。本文在角点检测及跟踪基础上，通过角点的鲁棒估计以提取出只属于运动目标的角点。并结合目标点集的坐标信息在初始分割图像中提取出目标区域，最终实现动态场景下的运动目标检测。本文主要工作内容如下：本文研究了结合秩约束原理的随机抽样一致性算法，以及提出了基于秩约束原理的最小平方中值方法实现图像角点的估计分类。实验结果显示这两种方法有很好的稳定性、较高的准确率和较高的崩溃率，能够将检测到的运动目标特征点从所有特征点中提取出来。同时，提出了一种基于最小曲率半径的分类算法。通过观察图像的角点轨迹曲线，在摄像机与运动目标之间的相对运动量较大时，可以明显看出背景轨迹曲线和前景轨迹曲线的歪曲程度不同。据此，通过设定一个适当的最小曲率半径阈值将背景轨迹曲线和前景轨迹曲线进行区分，从而将图像角点分为背景点集和前景点集，以便后续目标的提取。实验结果显示该方法在背景运动与目标运动之间的相对运动量较大时，可以有效的将运动目标特征点提取出来，与上述两种方法相比具有计算简单，算法复杂度低，稳定性高等优点。本文为提取出只包含目标的区域以实现运动目标的检测，提出一种结合目标点集的坐标信息进行目标检测的方法。该方法首先对图像进行等周分割，然后利用目标点集的坐标信息从分割图像中提取出目标区域，并对提取出的目标区域进行边界连接和腐蚀膨胀等操作，充实目标区域，以便得到更为完整的目标。实验结果显示，应用该方法能够有效地检测出运动目标。并且在该方法基础上提出了一种改进思路以提高等周分割速度，即在原图像中截取出包含完整目标的子图，再对子图进行等周分割。实验结果显示改进方法减少了等周分割中线性方程的系数矩阵维度，加快了线性方程的求解速度，提高了等周分割效率。