随着科学技术的飞速发展，在图像视频序列中对运动目标区域的提取以及对运动目标的特征和状态进行分析，已经成为图像处理和计算机视觉领域中的一个非常重要的分支。而且为更好的进行运动目标跟踪及估计运动参数打下了坚实的基础。在生活中，运动目标检测技术的应用非常广泛，如交通流量的控制、重要场所的监控、自动驾驶和军用飞行器上的制导系统。运动目标检测算法多种多样，本文用相同的实验视频数据，分别对各种经典算法及近年来比较前沿的算法进行实验，经典算法包括，背景减除法、帧差法，前沿的算法主要是非参数密度估计法。本文对实验进行分析，总结出各算法的优缺点，最后选用了非参数密度估计方法中的核密度估计方法为研究重点。非参数密度估计在样本分析建模方面得到了很大的关注，尤其是核密度估计方法。但由于核密度估计方法计算量大，应用到运动目标检测方面很难达到实时效果。本文提出了一种特征帧构建的核密度估计方法。因为核密度估计不需要假设背景模型的密度分布函数，所有样本值又满足独立同分布的原则，所以可以通过特征帧构建的方法进行背景建模，同时应用此方法进行背景更新。实验结果表明该方法能够适应环境变化且具有运算速度快、实时性好等特点。可以将该方法用到复杂背景下的监控系统中。