视觉是人类获取信息最直接和最主要的渠道,随着科技的飞速发展,尤其是计算机应用的普及,计算机视觉技术成为学者们当前研究的一个热点。运动目标检测是计算机视觉许多领域研究的基础,在智能视频监控、运动目标跟踪、步态识别等应用中,能否有效地分割出运动目标,对结果起着至关重要的作用。运动目标检测的重要性,决定了研究自然场景下运动目标检测课题具有重要的理论意义和实用价值。论文结合运动检测、立体视觉、模糊数学等多个领域的相关理论,对自然场景下运动目标检测中的关键技术进行了深入研究,旨在解决动态背景、投射阴影、间歇运动、相机抖动和目标的三维空间定位等关键问题。论文的主要研究内容和成果概括如下：(1)针对动态背景问题,提出一种基于多尺度高斯金字塔模型的运动检测算法,引入高低双阈值差分方法克服了单阈值差分时目标过分割与噪声之间的矛盾,所有阈值可自适应获取。并引入模糊数学理论,融合像素的颜色、时间、空间和位置多种特征来综合优化目标检测结果。(2)针对投射阴影问题,运用多分辨率高低双阂值思想对传统的GMM算法进行改进,提出IGMM算法来获取运动掩模,克服动态背景噪声；用计算颜色模型来克服光照变化的影响和抑制轻度阴影；对于较深的阴影部分,将运动掩模的光学属性、区域位置特性、边缘特性相结合,实现剔除运动阴影的目的。(3)针对间歇运动问题,提出一种互补模型检测运动目标的算法,使用2组更新率不同的IGMM获取运动掩模,一组高更新率模型用来获取移除目标信息,一组低更新率模型用来获取静止目标信息,通过对比分析掩模特征,实现间歇运动目标的检测,可以有效地识别出场景中长期静止的目标和突然运动的目标。(4)针对相机抖动问题,引入立体视觉中的特征点匹配理念,提出一种通过序列间特征点匹配来实现背景自适应的算法。通过稳定的特征点对,补偿相机抖动产生的平移,恢复出与当前帧匹配的背景帧,克服自然场景下相机抖动引入的大区域误检测。由于抖动幅度不大,所以相较于传统的立体匹配,该应用中点匹配误差较小。(5)针对运动目标的空间定位问题,将立体视觉技术与单视频序列下的运动目标检测相结合,建立了一种目标空间运动分析系统,实现目标的空间定位,扩展了单视频序列运动目标检测技术的应用范围。针对从单目向多目过渡过程中面临的问题,从硬件上提出了相应的解决方案,将立体镜头与高速相机结合,克服了芯片一致性、相机同步、运动拖影等影响。由于立体像对源于同一帧图像,所以可直接使用传统单序列运动目标检测算法获取运动掩模。论文对自然场景下运动目标检测中的关键问题进行了深入的研究,针对不同问题,提出相应的解决方法,用公共测试序列对所提出的算法进行了实验验证,并与当前较为先进的算法定性和定量地进行了比较,实验结果表明,论文中提出的算法可以有效地实现自然场景下的运动目标检测,其检测效果评价参数有一定的先进性。