介绍了一种针对运动摄像机拍摄的视频采用基于时空显著性的运动目标检测方法。通过边界先验的流形排序,估计每帧图像前景和背景的初始概率分布,生成前景目标的空间显著图。通过逐帧的向前向后光流估计,形成运动物体的时间显著图。最后,计算时空显著图,通过马尔科夫随机场优化,实现像素级的运动目标分割。通过在标准视频数据集上进行实验,表明该方法优于传统算法。论文所完成的主要工作:(1)介绍了运动目标检测的基本概念、分类、应用背景、意义,分析了运动目标检测技术的研究现状。(2)介绍了人类视觉注意机制,并对现有的几种视觉显著性检测算法进行了研究。(3)介绍运动目标检测的困难和挑战,阐述了国内外在静态背景和动态背景下运动目标检测方面的一些研究方法和现状。(4)针对动态背景下运动目标检测的复杂性,利用光流估计,并结合流形排序算法,通过估计前景与背景的初始分布,实现动态背景下对运动目标的检测。分析和实验表明,该算法能在一定程度上解决了动态背景、摄像机运动、光照变化、图像噪声等复杂场景等问题,检测出的图像能突出运动目标。实验结果表明,算法可同时处理静态背景和动态背景两种类型的视频,算法的检测效果要优于传统的算法。