视频图像运动目标定位就是先从连续的视频帧中检测出运动目标然后对检测到的运动目标进行精确定位。作为计算机图像处理与机器视觉领域的热门研究方向的视频图像运动目标的定位涉及模式识别、人工智能、自动控制等许多领域，同时对智能监控、机器人导航、军事制导、智能交通、医学图像分析等领域都有深远的影响。视频图像运动目标定位主要涉及到两个方面：运动目标的检测和运动目标的定位。运动目标检测是指从视频连续的帧中检测出运动目标，而运动目标定位则是指对检测出的运动目标位置进行精确定位。虽然对视频图像运动目标的检测定位研究很多，但迄今为止没有一种通用的算法或方法对任何复杂的场景都适用。视频场景的复杂性、运动目标运动状态的不确定性、运动目标阴影等问题都可能对视频图像运动目标精确定位产生严重的影响。因此运动目标的检测和定位研究仍具有重要的实际意义和理论价值。本文在使用三帧差分、减背景法和混合高斯模型背景建模等经典方法的基础上提出了解决上述难题的检测与定位算法。主要分为两部分：1、运动目标检测：混合高斯模型运用到视频图像运动目标的检测定位已经取得不错的效果，但是仍然存在一些问题。一方面当视频场景中运动目标运动状态突然发生变化时容易产生运动目标误检和漏检的现象。另一方面是混合高斯模型对运动物体的阴影抑制效果并不好，将运动物体连同阴影一起检测出来。此外，混合高斯模型要求对于视频帧中每个像素建模，这需要很大的运算量，对视频监控系统的实时性要求产生影响。本文针对混合高斯模型在视频运动目标检测中的不足，提出了将混合高斯模型与传统的三帧差分相结合来对视频中运动目标进行检测定位。首先由混合高斯模型得到前景和背景，然后利用当前帧与混合高斯模型所得到的背景相减可以得到一个前景，最后利用三帧差分和边缘检测得到运动物体的精确轮廓并对此轮廓进行填充得到一个前景。在此基础上对三个前景进行与运算得到最终的结果。此外利用新的更新策略来快速的对背景进行建模，利用像素点的稳定性来调整像素点的更新速度进而减少算法运算量。2、运动目标定位：本文在对视频图像运动目标精确检测的基础上对其进行定位，定位是主要是在视频中准确地将运动目标标记出来并且给出运动目标的中心位置和重心位置的具体坐标。本文提到的算法能够在Windows操作系统下的Microsoft Visual Studio开发平台环境下进行仿真实验。通过实验得到的效果来看，本文改进的运动目标检测与定位算法是可行的，对运动目标可以准确的检测和定位。这个算法与传统的算法相比在消除复杂场景的各种干扰因素、适应物体运动状态的突然变化和消除阴影的影响等方面存在优势。