在移动目标检测算法研究中,研究者都想得到被检测目标的全部信息,但是由于各种外界以及目标自身一些固有因素的影响,检测结果与最理想的结果总是有一些差距,这样的结果常常会影响到人们对图像以及视频的精确处理和分析。论文就水面上移动目标的检测及统计方法展开了相关研究,着重研究了水面上移动目标的检测算法建模,以及移动目标的数量统计方法。论文首先介绍了移动目标检测及统计的研究背景、意义及现状,对一些主流方法进行了简单的介绍与对比分析,并讨论了现今目标检测算法所面临的问题与挑战。本论文主要对于移动目标检测及统计算法进行了研究,其主要研究内容以及具体创新点如下:提出了基于稀疏模型的水面上移动目标检测算法,采用稀疏表示理论来训练出一个动态水面背景字典,再通过字典就可以方便重构出背景图像块。如果已知一幅图像,又能够估计出它的背景图像,那么就能够更精确的得到移动目标。提出了基于区间背景模型的移动目标检测算法,该算法首先从一段无移动目标的视频中,学习出视频序列中每个坐标点上背景值的变化范围,并将其组成区间背景模型。在移动目标检测时,按逐点扫描进行检测,将当前像素的值与背景模型的值进行比较,如果像素点的值在背景模块范围内,则该像素点为背景,否则为移动目标。所有像素点检测完成后,将其组合成一幅初始移动目标图像。最后对初始移动目标图像进行去干扰处理,得到最终移动目标图像。提出了基于图像块距离模型的移动目标检测算法,通过对两图像块之间欧氏距离的判断得到背景图像块进而得到背景模型,就能够更加便捷的得到移动目标。提出了一种新的移动目标数量统计算法。算法从被测视频帧的目标入手,以其质心做为研究突破点,通过对其质心坐标的移动进行欧几里得距离判断来确定是否为同一目标,并且利用卡尔曼滤波器预测其中心位置进行对被测目标的矩形框标记,最后完成对移动目标数量的统计。