随着人工智能的快速发展,运动目标检测技术已成为研究热点,它在目标跟踪和异常处理中起着非常重要的作用。经过多年的研究,在简单场景中检测运动目标已经取得了很好的效果,但在一些复杂场景中的运动目标检测效果还不理想,如对存在光照变化和大位移的静态背景中运动目标检测的精度低,对存在摄像机抖动的动态背景中运动目标检测的偏差大。本文针对以上提出的两个问题进行了深入研究,在现有研究成果的基础上,针对静态背景,提出一种通用的运动目标检测算法;针对动态背景,提出一种改进算法。首先,对本文涉及到的图像处理知识进行了简单的介绍,研究了常用的三种运动目标检测算法,对其优缺点和应用场景进行了分析,并进行相关实验进行验证。其次,针对静态背景中光照变化和大位移对运动目标检测产生影响这一问题,本文提出一种静态背景中的通用算法,即将图像纹理分解和金字塔技术应用于Lucas-Kanade光流算法中。通过相关实验验证,此方法对于静态场景中的运动目标检测能够取得较好的检测效果。最后,针对动态背景中摄像机抖动引起的全局运动对运动目标检测带来的干扰问题,提出基于块匹配的去抖动算法。首先计算图像的光流场,然后对得到的光流场进行运动补偿,消除相机抖动带来的全局运动。通过相关实验验证,此方法在动态背景中能够有效消除相机抖动引起的全局运动,使得检测精度更高。