基于视频图像序列的运动目标检测与跟踪是计算机视觉领域的一个重要研究课题。本文的主要研究内容为基于光流的运动目标检测算法。光流场携带了有关物体运动和三维结构的丰富信息,可以用于运动目标检测、恢复目标的运动与结构信息、目标分割以及运动补偿编码等,因此对光流场的研究一直被视为是解决视觉运动分析的有效途径之一。光流法己经成为对视频图像序列中物体运动估计的主要技术。本文首先简单介绍了目前国内外常用的运动目标检测算法。然后针对复杂环境下的诸如枝叶摇摆、摄像机抖动等波动式干扰对运动目标检测的影响问题,提出基于视频窗口切分与分类的序列图像运动目标检测算法,该算法通过将序列图像切分为同等大小的视频窗口,提取窗口内区域图像累积帧间差矩阵的简单统计特征,针对每一帧序列图像,将视频窗口进行分类,把它们划分为运动目标窗口和非运动目标窗口(包括静止背景窗口和波动式干扰窗口),并将运动目标窗口合并为运动目标,实验结果表明,该算法能在摄像机抖动以及枝叶干扰等复杂环境下快速有效的检测出运动目标。结合上述新的运动目标检测算法,本文采用基于区域光流的运动目标检测算法,该算法比传统光流法在效率上有了很大提高。在此基础上,本文进一步提出一个联合背景差分与区域光流的运动目标轮廓提取方法,该方法结合基于统计平均的背景差分法与区域光流估计方法求得检测结果图像,并根据结果图像提取出运动目标轮廓,实验结果表明,在摄像机静止、物体运动的场景中,该方法能够快速准确的提取运动目标的轮廓,为目标的识别、跟踪以及运动行为分析等高层视觉算法提供可靠依据。