视频图像的运动目标检测技术是计算机视觉领域中的一个重要研究课题。把运动目标从背景中快速而准确地分割出来是对图像进行进一步分析和处理的基础。视频图像中的运动目标检测技术在多个领域得到运用,例如：自动武器目标定位以及野外环境监控等,通过计算机在复杂背景中快速寻找并定位运动目标。本文研究的内容为基于士兵视频对抗系统环境中运动士兵的检测算法及算法的优化。士兵视频对抗系统建立在室内,场景中装有多个光源,灯光光源复杂。对抗系统分为左右两个场景,场景中包含多个掩体。两组士兵的移动及射击的过程通过分别放置于左、右场景正前方的两台参数相同的工业摄相机实时获取,通过投影仪显示在屏幕上。两组士兵分别向屏幕上运动中的对方士兵射击,进行对抗训练,根据士兵被击中的位置和暴露面积判断胜负。本文通过对运动目标检测算法的分析,选择使用背景帧差法对士兵视频对抗系统中的运动士兵进行检测。将当前帧与背景帧作差分,获取运动目标。对算法存在的运算效率低和噪声干扰大的问题,提出算法优化的方法。在算法优化方面,从定性和定量两个层面进行。先定性判断图像中是否存在运动目标,当判断出图像中出现运动目标后,再对该目标进行定量分析,获得其面积与形状。算法的优点是将检测的主要时间花费在定性分析上,以减少定量分析所消耗的时间。使用改进的最近邻域下采样方法,不仅可以缩小图像尺寸,提高算法效率,同时也能最大程度地保留图像扰动信息,提高后续算法触发的灵敏度。实时系统中,相机抖动、光照、遮挡物阴影等因素可以认为是噪声,这些噪声会影响目标检测的正确性。在检测运动目标时,光照等环境变化造成的图像异常很可能被当作运动目标,造成运动目标的误判。因此本文在背景差分的基础上,采用改进的Surendra算法获取当前帧的背景信息,实时更新背景,将更新后的背景用于背景差分,降低场景环境变化等因素对检测结果的影响,提高算法的准确性。最后通过实验对优化前后的算法进行验证,比较传统运动目标检测算法,下采样后的算法以及加入背景更新后的算法的运算时间。实验证明,下采样以及背景更新结合的算法优化能在保证目标前景获取的准确性的同时可以提高算法的实时性。