运动目标检测可以作为许多视觉应用的基础步骤,检测的目的是将场景中的运动目标(前景)从静止的背景中分离出来。在相机静止的假设下,目前已有许多相关的算法研究,这个假设使得与背景相应的图像像素必须要在连续帧中保持固定的位置,因此限制了这些算法的应用范围。本文针对移动背景下的运动目标检测方法展开研究。移动背景下的运动目标检测的主要难点在于前景像素与背景像素在图像中都有位移产生,其次,实时性也是一个需要关注的问题。本文使用运动补偿技术将移动背景下的目标检测问题转化为静止背景下的目标检测问题,最终使用背景建模方法进行运动目标检测。在运动模型的估计过程中,本文设计实现了一种稀疏背景运动提取方法,可以较好的排除前景运动的干扰,且提取到的背景运动分布较为均匀,最后利用RANSAC和最小二乘法对基于单应变换的运动模型参数进行鲁棒性的估计。在背景建模阶段,使用双模单高斯模型作为背景模型,并利用前景概率图与抽样掩码改善双模单高斯模型的检测效果,一方面使用抽样掩码对不同区域的模型采取不同的更新策略以及有选择的进行前景判决,降低了错检率,另一方面利用前景概率构造自适应的判决阈值改善了固定阈值的缺陷。在统一的数据集上做算法对比,实验结果表明,本文设计的算法在检测效果上有不错表现,且处理每帧的所需的时间也能满足实时性的要求。要进一步提高算法性能,下一步的研究是如何在背景建模过程中融入像素的运动信息。