运动目标检测技术是图像处理和计算机视觉的重要研究领域之一。作为整个智能视频监控系统中所有后续操作的关键技术，运动目标的检测技术引起了国内外研究机构和研究学者的高度重视。运动目标检测算法处理的实时性、目标检测与识别的准确性等均为研究的方向与重点。　　在视频和图像处理的基本理论的基础上，本文对运动目标检测算法中常用的帧间差分法，背景减法，光流法作了详细的介绍，并进一步对其各自的特点进行了比较分析。现有的运动目标检测方法随着时间的推移会对外界环境的变化比较敏感，如光照，场景变化等，会出现较多的噪声和伪运动点，因而影响最终的检测效果。在此基础上本文提出了一种简单有效的算法，对运动目标检测算法做了以下改进和实验：用多帧差分来取代传统的帧间差分，并考虑到由于运动速度的不同对帧间间隔的选取不同；利用KSW最佳熵自动阈值法获取动态阈值处理图像，进而得到准确的前景图像；引入了基于颜色不变性的边缘提取物理模型，得到准确的运动目标轮廓；然后对得到的前景图像进行形态学运算、区域填充，最后标识出运动目标。　　从实验结果中可以看出，本算法利用三帧差分和基于颜色不变性的边缘检测物理模型，使得检测结果对背景的复杂程度，运动物体的速度等都有较好的适应性，提取运动目标轮廓清晰完整，克服了光照的影响，应用基于颜色不变的边缘差分图像，可以使目标周围的噪声得到有效的去处，目标的边缘获取比较清晰，对于较小目标的检测也能够取得良好的检测效果，同时在检测速度和运动目标突变能力检测上均有所提高。