近些年来,动目标检测技术在智能视频监控、交通管理、军事行动等计算机视觉领域得到了广泛的应用。传统的目标检测技术在摄像机固定不动的情况下已经可以准确提取出运动目标。但是,摄像机运动条件下的动目标检测问题一直是一个研究焦点,算法的实时性和可靠性仍需要进一步提升。针对动平台条件下动目标检测问题,通常的解决方案是使用仿射模型或投影模型结合参数估计方法进行运动补偿,将动态背景静态化使用静平台下的动目标检测方法实现运动目标检测。在旋转扫描条件下,通过分析视频图像序列的运动,可以发现由于平面成像机制会带来非一致畸变问题,其运动模型难以用仿射或投影模型精确表示。除此之外,由于存在场景环境的高复杂度以及视频图像处理的高实时性要求等因素,摄像机旋转扫描条件下的动目标实时、鲁棒检测依然面临巨大的挑战。针对现有运动补偿算法的局限性,提出一种基于摄像机扫描模型的运动背景补偿方法。首先建立摄像机扫描工作方式下的摄像机方程,并将该方程线性化,然后利用Hough变换实现该方程参数的快速鲁棒估计,进而同时解决摄像机旋转扫描条件下的背景运动问题和图像非一致畸变问题,并通过实验验证本文方法的可行性、鲁棒性和准确性。针对帧间差分法提取运动目标不完整的问题,提出一种使用柱面背景模型进行背景减除提取动目标的方法,通过结合摄像旋转扫描运动模型和柱面投影模型建立全景的柱面背景模型,实现对场景的精确描述,提高动目标检测的质量,并通过实验验证此方法的有效性。