视频图像处理技术在近几十年内迅速发展，运动目标检测技术作为视频图像处理领域中的重要的研究内容在近些年来倍受人们关注。目前，运动目标检测技术被广泛地应用在日常安防、军事国防、智能交通、医学检查、智能车辆以及车辆辅助驾驶等诸多领域。运动目标检测技术要求快速、准确的将视频序列图像中的运动目标从背景中分离出来，它是后续的目标跟踪、分类、识别和行为分析等工作的基础，因此找到实时性好、运算速度快、检测精度高、鲁棒性好的运动目标检测算法是我们研究的重点。本文首先是研究了运动目标检测相关的理论知识：图像滤波方法、直方图均衡化、形态学处理、边缘检测算法、连通域检测以及最大类间方差法等。然后研究了现存的三种经典的运动目标检测算法：光流法、帧差法和背景差分法，针对三帧差分法的不足提出了改进的三帧差分法，针对混合高斯模型的不足提出了自适应更新速率的混合高斯模型，最后，将上述两种改进方法结合，形成了一种新的运动目标检测算法：混合高斯模型和三帧差分法结合的运动目标检测算法。三帧差分法是在两帧差分的基础上进行的改进，它的运算速度快、算法简单、对动态背景的适应性好，能够抑制两帧差分的“双影现象”，但是检测结果中仍然会出现“空洞现象”，并且检测到的运动目标的轮廓不完整。针对三帧差分法存在的不足，本文将改进的Sobel边缘检测算子引入到三帧差分法中，因为图像的边缘信息不容易受噪声和亮度突变的影响，所以将改进的Sobel算子和三帧差分法相结合弥补了三帧差分法不能将运动目标轮廓完整检测出来的缺点。最后对检测结果进行一系列的处理（连通域检测、膨胀腐蚀、图像取反等），达到改善“空洞现象”和去噪的目的，这样形成了改进的三帧差分法。在背景差分法的各种背景建模方法之中，混合高斯模型方法以其灵活高效、适应性强的优点成为该领域较成功的方法，它可以完成对复杂背景的描述，适用于室外环境和复杂的场景，而且检测出来的运动目标比较完整，它在实际中的应用比较广泛。但是它在算法上也存在着不足，本文针对它的不能自适应的调整更新速率的不足，提出自适应更新率的混合高斯模型，该模型在初始建模阶段能够快速的建立背景模型，满足实际的使用需求。因为自适应更新速率的混合高斯模型能够对复杂场景进行描述（尤其适合于室外场景），而且检测到的目标比较完整，但是它不能适应光照的突变；而改进的三帧差分法检测出来的目标轮廓比较完整，且受光线变化的影响较小，但对室外复杂的动态环境适应性不够理想，所以将两种方法结合，可以在实现在性能上的互补，获得比较好的的检测结果。本文提出的混合高斯模型和三帧差分法结合的运动目标检测算法在没有光照突变时使用自适应更新率的混合高斯模型进行运动目标检测，有光照突变时使用改进的三帧差分法进行运动目标检测。经实验证明，该算法是一种适应性强、鲁棒性高的运动目标检测算法。