新时期世界各国军事的发展，迫使我军要在军事训练在内容和形式上做出变革，以进一步提高军队战斗力。本文涉及的射击对抗训练系统还原了近似真实的实战场景，在允许实弹射击的情况下还能很好的避免士兵伤亡，是一次军事训练的重大创新。运动目标检测是该系统中十分重要的一个模块，场景复杂，士兵身着迷彩服等因素给检测带来了很大的困难。为了解决该系统中移动士兵检测的问题，本文对帧间差分、高斯模型、光流法、ViBe等主流的运动目标检测算法进行了分析比较，结合实验数据说明了各自的优缺点和适用场景。由于ViBe算法原理简单、易于实现，且复杂度低，实时性好，是同等计算复杂度下检测效果最好的算法，因此选用ViBe算法作为检测移动士兵的算法。本文首先介绍了ViBe采用的背景模型的工作原理以及前景背景的判定方法，然后重点分析了模型的初始化过程和更新过程。通过实验发现，ViBe应用在射击对抗训练系统中会存在一些问题，主要是鬼影、阴影以及小目标和空洞。针对鬼影，本文创造性的提出了一种基于光流的鬼影去除算法，虽然计算光流很耗时，但该算法只计算小部分像素，因此并不影响系统的整体性能。由于训练场地背景复杂，会存在玻璃、积水等反光物质，阴影有时会比较明显，本文提出了一种在HSV颜色空间中基于像素梯度的阴影抑制算法。根据连通域面积大小去除了小目标，对于闭合的空洞则利用种子填充算法予以填充。最后，以流程图的形式阐述了整个运动目标检测系统的工作流程，实验结果表明，该系统的检测结果在准确性和实时性上都能够满足要求，为后续目标跟踪奠定了基础。