运动目标检测是计算机视觉的一个重要分支,可通过寻找视频序列间的差异,定位场景中相较于背景存在位置变化的各个物体,从而快速、高效地获取动态视频图像中的运动目标,在智能交通、医疗诊断、大数据分析等领域已有广泛应用。现有的运动目标检测方法中混合高斯背景建模算法对不同场景有较好的适应性,可以基本完整获取目标内部信息,而三帧差分算法实时性强,能快速提取目标轮廓。然而在实际的应用场景中,往往存在着诸多环境因素对检测质量造成影响,如图像中背景的变换、光照的角度与强度等,都会导致运动目标检测效率和准确度的降低。因此,本文对动态背景下的运动目标检测算法进行研究。(1)针对混合高斯背景建模算法在复杂环境下对于背景中存在的动态因素无法有效抑制,目标提取效果不理想,且算法复杂度相对较高的问题,提出一种基于自适应混合高斯的三帧差分算法。为了提高算法在动态背景检测中的完整性与高效性,采用自适应混合高斯建模,在背景模型更新时,依据目标像素与相邻8像素在当前帧及背景模型中的差异度,实现高斯分布学习率的自适应选择,以加快背景模型的迭代与更新速度,提高算法在实际应用中的准确性。在背景建模时,不采用设定固定值的方式,以像素点的实际需要为基础自适应选择高斯分布个数,从而降低算法的计算量。为进一步确保目标边缘信息的完整,利用基于边缘提取的三帧差分算法获得目标轮廓,用以完善自适应混合高斯建模的目标内容。本文算法能在动态环境中完整提取运动目标,抗干扰能力强,查全率与查准率达到91.66%及90.13%,所得目标边缘较为完整且检测速率为12.6f/s,基本满足实时性要求。实验结果表明,该算法可以有效地消除动态背景及光照变换造成的干扰,在复杂环境中仍可以完整提取目标。(2)针对基于自适应混合高斯的三帧差分算法在目标运动速度不恒定时,无法准确定位目标边缘且易受背景像素干扰的问题,提出一种基于自适应边缘比对的混合高斯建模算法。该算法首先采用基于自适应边缘比对的三帧差分法将传统三帧差分中相邻帧间差分的方式改变为任意帧间差分,增加差分图像所包含的目标信息;之后,为解决边缘缺失及噪声干扰的问题,引入边缘比对差分运算,依据目标速度自适应选择参与差分运算的最佳帧数,降低背景点所造成的误判,使边缘尽可能的完整,并以此完善三帧差分中的目标信息。之后对基于自适应学习率的混合高斯背景建模算法的结果进行边缘补充并通过形态学滤波消除噪声干扰,精确目标像素的分布。本文算法能有效、准确的定位目标区域,且边缘信息完整,查全率与查准率达到92.68%及91.36%,完整提取了目标内容。实验结果表明,算法的自适应较强,对不同速度的运动目标具有较强的鲁棒性,有效消除了背景噪声对检测的影响,保证了目标的完整与边缘的细化。