运动目标检测是视频研究中的第一步也是重要的一步，运动目标检测已经被广泛应用于体育、医学、航空、视频监控、人类行为认知和视频检索等方面。人类的视觉系统对在静态和动态场景中快速地获取显著区域而不用进行训练有着非凡的能力，并且能够轻松的理解场景中的意义。在计算机视觉领域中，近十几年提出了很多模型来完成这个自动的机制。传统的运动目标检测方法有光流法、帧差法和背景差法。这些方法各自有各自的优点，但也都存在这劣势。由于显著图的广泛应用，基于人类视觉机制的运动目标检测方法应运而生，此种方法在检测效果和运算速度上均有突出表现。 　　本文提出了一种融合空时显著性的运动目标检测方法，通过改进Itti模型，将边缘信息引入到Itti模型中，提取亮度、颜色、方向、边缘特征视觉信息，将四类特征的多尺度高斯金字塔模型利用中心周边差和多尺度融合，并进行高斯差分最终计算生成空间显著图，空间显著图能表示运动物体在空间中的活动变化；引入时间显著性，对视频序列应用核密度估计计算时间显著图，从而计算了在时间上的物体运动的变化；计算空间显著性与时间显著性的权值，引入运动优先原则，动态的计算空间显著性权值与时间显著性权值，并根据权值进行空时显著性的动态融合，最终生成空时显著图，从而有效地检测出视频中运动的目标。 　　实验验证了融合空时显著性的运动目标检测方法能准确、有效地检测出运动的目标，并与其他方法进行比较，验证了融合空时显著性的运动目标检测方法能快速地检测出目标，在一定程度上减少了计算时间，提高了检测目标的准确率。