随着软硬件技术不断的进步与发展,诸如无人机、测量车等移动数据采集设备的出现与应用,GoPro、全景相机等全新数据采集设备的推广,原先针对固定相机设计的计算机视觉领域内相关算法不再适用于新的场景,即在现实生活需求的推动下,针对固定相机的算法需要进行一定程度的拓展和改进。运动目标识别算法常用于视频监控领域内,由于视频监控的数据采集设备通常为固定相机,故常见的运动目标识别算法也往往针对固定相机,从而不适用于结合了PTZ、无人机等技术的新一代监控系统。因此,结合新一代数据采集平台的特点,将局限于固定相机的运动目标识别算法拓展到运动数据采集平台的领域的相关研究工作具有较强的现实意义。本文针对现有的运动目标检测领域内常见的背景差分算法的缺陷,结合了数据采集平台的特点以及现有的其它技术,讨论并实现了适用于运动数据采集平台的背景差分算法,主要成果如下:(1)提出了多重单应性变换估计相机运动的算法。本文研究了图像的变换矩阵以及常见的运动估计算法,并结合特征点匹配、单应性变换以及RANSAC提出了基于多重单应性变换的相机运动估计算法,该算法利用ORB特征点匹配以及循环RANSAC计算得到相邻帧影像的多重单应性变换矩阵作为相机运动估计结果,其多重单应性变换结果代表了不同背景平面内的像素映射关系,并采用全局光流补偿来剔除运动目标上的特征匹配点对。实验表明,该算法能在去除运动目标特征点对的基础上得到合适的多重单应性变换。(2)提出了基于多重单应性变换的改进Vibe算法。本文研究了常见的背景差分算法,并详细研究了较为流行的Vibe算法,并针对Vibe算法缺点与特点,结合多重单应性变换估计相机运动的算法,提出了基于多重单应性变换的改进Vibe算法,该算法详细讨论了相机运动带来的相邻帧像素点的不同映射关系,并针对各种情况给出了相应的解决方案,改进了原Vibe算法的背景模型更新以及前景判定部分。实验表明,该改进算法克服了原Vibe算法的鬼影区域,且能大幅度抑制相机移动导致背景被误检测为前景的情况,且在精度、特异性以及虚警率这三项指标上表现优于MBS、FTSG、SuBSENSE以及CwisarDH这四种算法。(3)提出了基于HSV样本集策略的阴影去除算法。本文研究了阴影区域的特征以及阴影区域检测的常见技术,结合样本集策略和HSV色彩空间,提出了基于HSV样本集策略的改进Vibe算法,并将HSV样本集策略融入基于多重单应性变换的改进Vibe算法。实验表明,在静态相机数据集上的,相比传统背景差分算法,基于HSV样本集策略的改进Vibe算法有明显的阴影去除效果,并在阴影虚警率上明显优于FTSG、SuBSENSE以及CwisarDH三种算法;在动态相机数据集上,HSV样本集策略在基于多重单应性变换的改进Vibe算法的基础上仍有一定的阴影去除效果。本文算法在分辨率为320*180时能取得20FPS的处理效率。