随着计算机科学、图像工程、模式识别、人工智能等学科的发展和普及,智能视频监控系统已被广泛应用于国民经济和国防建设的各个领域,它在武器导航、科学探测、智能工业、人机交互、智能交通、科学研究等方面都发挥着巨大的作用,应用前景广阔。复杂环境下运动目标检测结果的优劣直接影响到视频的高层理解。研究复杂场景下的运动目标检测技术具有重要的理论意义和实用价值。本文围绕着监控设备实际拍摄的图像序列所存在的光学畸变、环境光照变化、阴影及摄像头的运动等复杂条件,对运动目标检测的若干关键技术进行了研究和探讨,并获得了一些有意义的成果。本论文的主要研究成果如下：1.针对视频采集摄像头光学畸变的实时校正问题,将GPU引入到畸变校正算法的计算中,提出了基于GPU的大视场成像实时非线性几何校正算法,不仅满足了监控系统在线处理的要求,而且极大地消除了广角镜头桶形畸变对目标提取产生的负面影响；2.针对静态场景下的运动目标检测问题,系统地分析了不同色彩空间下的像素特征对目标检测算法性能的影响,提出了基于不同颜色特征的运动目标检测算法,为多种典型环境下颜色特征优选和算法优化提供了理论基础和实践指导；3.将图像的局部二元模式的统一模式作为纹理特征与颜色特征相结合,且引入了Choquet模糊积分,提出了一种新的多特征相似度融合算子,建立了基于隶属度的背景／前景分类模型,实现了光照变化、阴影等复杂环境下的运动目标检测；4.针对动态场景下的运动目标检测问题,提出了基于多尺度Harris;角点方根-算术均值距离的图像序列配准算法,建立了摄像机运动的测量模型,完成了运动补偿,最终通过三帧差分法实现动态场景下运动目标区域的提取；5.针对红外图像的运动目标检测问题,根据红外图像的成像特点,利用一种基于小波系数相关度的图像去噪增强算法,解决了抑制噪声与增强图像之间的矛盾;将可见光图像序列的运动目标检测算法扩展到该领域,提出了基于亮度-纹理模糊积分特征的红外图像运动目标检测算法。