运动平台下的目标检测技术在军事民生领域发挥着重大作用,具有极高的实用价值与研究意义。在手持设备、机载或车载设施等运动平台场景下,会出现背景动态干扰、环境光照突变等情况,导致了目标检测复杂度的增加,检测准确率和运行效率的降低。现有的运动目标检测技术在静态场景下的效果显著,但是大部分并不适用于动态背景。针对于此,本文对基于背景运动补偿的目标检测技术进行了研究实验,以提高运动平台下的目标检测效果,具体工作如下。（1）设计实现了一种基于惯性信息与改进ORB（Oriented FAST and Rotated BRIEF）算法的背景运动补偿技术。设计了惯性传感器输出的惯性信息与视频图像数据的外同步融合方式,实现惯性数据与图像数据的准确匹配融合。利用同步输出的平台运动参数信息构建初步的补偿帧图像,在差分后根据结果对原始图像进行区域筛选,减少后续特征检测算法作用区域,降低运行耗时,使运行效率提高了23%左右。采用对于图像间的旋转和光强变化不敏感的DAISY描述符,并优化其主方向分配方法,替代BRIEF描述子对ORB算法进行改进,在图像发生旋转和光照强度变化时,使算法的匹配准确度提升了44%左右。对KNN（K-Nearest Neighbors）特征点匹配算法进行改进,联合欧氏距离与巴氏距离共同度量特征点相似性,进一步降低算法误匹配率。利用惯性传感器所得六自由度运动信息确定仿射运动模型,根据PROSAC（Progressive Sample Consensus）算法筛选最优特征点对。求解出仿射运动模型后,根据参考图像获得当前图像精确的补偿帧图像,达到准确去除背景运动干扰的效果。实验证明,相较于传统的背景运动补偿技术,本文的补偿精确度更高,且运算耗时更低,整体性能更加优异。（2）设计实现了一种基于改进帧差法的运动目标检测算法。首先对两帧差分法进行改进,在差分时,采用自适应阈值的方法,提高复杂环境下目标与背景的可分离度。在此基础上,通过Canny边缘检测算法提取目标边缘信息,同时利用累计差分法加强目标信息,降低空洞现象,通过逻辑“或”操作,提高目标完整度。实验证明,本文的改进帧差法所得目标外部轮廓更加完整,内部信息更加充分,完整度有显著提高。对于虚假目标,利用其与真实目标之间运动量的差异,通过运动分析进行剔除。为了减少计算量,在运动分析时改进光流计算方法,利用差分结果进行区域划分,只对差分响应超过一定阈值的区域通过Gunnar Farneback光流法计算稠密光流,根据结果进行伪运动目标的剔除,提高目标检测准确度。（3）在四组运动平台下拍摄的视频序列中进行本文目标检测技术检测效果的实验测试,同时与传统算法的检测结果进行对比,从主观感受与客观定量两个角度分析评价实验结果。相较于传统算法,本文算法的检测结果中目标信息更加完整,干扰项数量显著减少,准确度有明显提高。本文算法的1F值相对提高20.01%,PWC（Percentage of Wrong Classification）值相对降低36.40%,单帧平均耗时相对降低27.78%,在不同应用场景下均取得较好的检测效果。证明了本文算法目标检测准确度与实时性的显著改善,鲁棒性的明显增强,说明了本文运动目标检测技术的有效性。