随着手持智能终端的不断普及与物联网的飞速发展,移动平台下的运动目标检测问题已经成为急需解决的关键问题,而且由于一般场景都具有明显的景深,视差问题已不能轻易忽略。现在针对视差问题的一般解决方法是平面加视差以及基础矩阵等简单的几何约束,但不能够解决约束条件退化导致的探测率下降的问题。本课题以目前广泛使用的移动平台下的运动目标检测作为研究对象开展相关工作,首先对运动目标检测算法的发展及应用情况进行研究分析,并对移动平台下投影视差的产生原因进行了探讨,选取了便于实际操作的投影视差定义及大小度量方式。其次研究了强视差下运动目标检测方法中最具发展前景的多视角算法,在对传统的基于光流场的运动估计算法进行研究和比较的基础上,提出一种基于曲面单应模型的运动目标检测算法,并在该模型中引入了建模、学习、检测流程的多级滤波器算法框架,该算法框架能够动态适应多视角和复杂场景的变化,解决了移动平台下的探测率低以及可重复探测面积不稳定的问题,为后期工作开展奠定了基础,并且对目标跟踪、检测等算法同样具有启发意义。实验部分通过对实际图像序列进行测试,证明本文提出的基于曲面单应的约束条件能够解决传统多视角几何约束存在的退化问题,同时结合以多级滤波器为核心的自适应框架不但能够快速地进行多视角几何约束,而且能够动态适应摄像机的剧烈运动,极大地提高了运动目标的探测率与可重复探测面积,解决了强视差下移动平台下的运动目标检测问题。