视频分析是计算机视觉和模式识别的重要研究内容之一,其关键技术是对其视场内的物体进行检测、识别、跟踪。运动目标的检测是实现视频分析的前提和基础,只有对运动目标的形状,位置等进行精准的检测,才能使后续的识别和跟踪更加准确、完整和高效,因此运动目标检测研究有着重要的学术研究价值和应用价值。目前主要的运动目标检测算法有光流法、背景差分法、帧间差分法、小波法、人工神经网络法、扩展的EM算法、基于数学形态的场景变化检测法以及各种算法的混合方法等。这些基础方法从不同的方面着手,针对不同情况给出运动目标检测的解决方案,取得了很好的效果。但这些成果由于运动目标检测环境的复杂性,仍存在一些有待解决的问题,比如：背景问题、阴影问题、遮挡问题等。针对上述问题,学者们开展了广泛而深入的研究,诸多学者对背景差分法进行了研究,其核心是如何有效对背景进行提取和更新,主要采用的方法有平均背景模型、基于帧差背景模型、单模高斯背景模型和混合高斯背景模型等背景建模法,这些方法的改进使得运动目标的检测结果更加准确。受此启发,我们研究了视频序列中镜头检测方法和关键帧提取方法,在此基础上,我们讨论了基于关键帧的背景更新策略,并结合像素矩阵差分和阈值判定的运动目标检测算法来检测视频中的运动目标,实验结果表明改进方法检测效果明显；另外本文提出了基于HSV色彩高斯背景模型和基于关键帧HSV色彩高斯背景模型的策略,以此为基础结合连通性原理与纹理梯度差进行运动目标检测,检测结果避免了目标检测过程中存在的“空洞”现象能够获得更为准确的运动目标轮廓,并有效去除了阴影。针对红外图像具有对比度低、亮度低,以及感兴趣的目标比较小的特点,本文给出了一种基于红外图像增强的目标检测算法和一种基于像素概率的红外图像目标检测与提取算法。这两种方法以混合累积直方图和像素的颜色概率为基础实现了对于红外图像中的运动目标识别。由于实际情况的复杂性、目标运动方式的不确定性使得运动模型的建立变得困难。针对该问题,我们在研究基于并行马尔可夫随机场(MRF)工作模型的基础上,探讨了采用差分进化算法对运动目标检测的可行性,并在此前提下提出了基于马尔可夫随机场和分布式差分进化算法的运动目标检测方法。本论文围绕着运动目标检测展开研究,着重研究了运动目标检测算法中的背景更新方法以及基于统计学的目标检测方法和应用,主要开展了以下几个方面的工作并取得了相应的成果。(1)研究了视频镜头检测和关键帧提取技术；(2)研究了关键帧背景更新基础上基于矩阵像素阈值、连通性原理和纹理梯度的检测方法；(3)研究了基于红外图像增强的目标检测算法和基于像素概率的红外图像目标检测。(4)研究了基于时空结合的MRF目标检测方法。