动态场景下的运动目标检测是视频序列中目标识别、跟踪和行为分析等后续处理的基础和关键，在视频监控、智能交通及军事领域中有着广泛的应用。由于摄像机的平移、旋转和缩放运动导致背景也发生相应的运动，所以如何从动态背景中准确地检测出运动目标是计算机视觉研究领域中的热点和难点问题。本文对动态场景下的运动目标检测算法进行研究，并且主要研究了基于背景补偿的运动目标检测算法，提出一种动态场景下基于精确背景补偿的运动目标检测算法，主要研究内容如下： 　　在背景补偿时，主要从两方面做了研究以提高背景补偿的精度。一是在特征点提取时采用鲁棒稳定的SURF算法，同时在特征点匹配时引入反向约束策略以去除误匹配点，提高匹配的准确率。二是在求解全局运动参数时，因目标点的干扰会造成全局运动参数有很大的偏差，所以应尽可能地使用背景点参与求解。为了去除目标点，提出一种自适应外点滤除法去除目标特征点对求解全局运动参数的影响。该方法是根据距离残差特性，以目标和背景之间的方差最大而动态地确定阈值。然后根据阈值将目标点和背景点分离后滤除目标点，并且只让背景点参与全局运动参数的求解。这样极大地提高了参数的精确度，为后续准确地检测运动目标奠定了基础。 　　在背景补偿后，为了快速、准确地检测出运动目标，在分析比较现有的几种运动目标检测算法的基础上，采用隔帧三帧差分与形态学相结合的方法检测运动目标。隔帧三帧差分法是对传统帧差法的改进，不仅继承了帧差法简单易实现的特点，而且可以有效地克服拖影现象，提取出更为准确的目标轮廓。同时采用形态学中最基础的腐蚀和膨胀方法，不仅可以填充孔隙、去除噪声，而且有计算量小，实时性高的优点。 　　仿真实验结果表明本文算法能够在摄像机运动且背景复杂的环境中准确地检测出运动目标。