随着视频网络等多媒体的传播，视频图像以其生动、直观等特点深受人们的关注。在视频序列中，将变化的部分从背景中分离出来，这种技术就是运动目标检测。运动目标检测技术主要进行运动像素区域的分离，对于后续目标的分类、识别和高层次的行为分析和入侵检测等后续工作起到重要的铺垫作用。尽管基于视频的运动目标检测方法是图像处理技术的基础，但是如何能高效、准确的检测出运动目标成为研究运动目标检测的一个热点问题。运动目标检测分为两个层面：摄像机静止情况下的运动目标检测方法和摄像机运动情况下的运动目标检测方法。在摄像机静止情况下，传统的方法虽然能够检测出运动目标，但是由于受阴影、光照、背景噪声等因素的影响，会造成检测的运动目标范围过大，前景内部存在空洞等现象。在摄像机运动情况下，如何能够快速有效地估计出摄像机的运动分量然后将其进行补偿，成为了摄像机运动情况下的运动目标检测的关键。针对以上问题，在摄像机静止情况下，本文采用一种将高斯混合和SUSAN边缘检测算子相结合的方法对运动目标进行检测。该方法通过高斯混合模型背景减法提取出前景目标，经过腐蚀、膨胀等形态学处理，提取出运动目标的大致轮廓；同时将此帧图像经过SUSAN边缘检测处理。这两种方法采用“同时并行”的方式，之后将二者所得到的结果进行逻辑“与”运算，提取出轮廓边缘更为精确的运动目标。针对摄像机运动情况，本文采用改进的菱形快速块匹配搜索法对视频图像进行运动估计，将计算出的运动分量经过运动补偿方法去掉摄像机的运动分量，即从“动”化为“静”，然后再采用静止背景下的运动目标检测方法对视频图像进行运动目标检测。经实验证明，在摄像机静止下，本文所采用的方法相对于传统的基于高斯混合模型的运动目标检测方法不仅可以有效的检测出运动目标，而且还能可有效克服阴影、光线及噪声所造成的影响。在摄像机运动情况下，本文所采用的方法可以有效地提高对摄像机运动分量估计的精度，并对运动目标进行准确检测。