近年来,随着计算机相关技术的飞速发展,计算机相关技术已经深入到人们生活的方方面面。运动目标检测技术是计算机视觉领域中关键的底层技术之一,也是计算机视觉领域研究的热点,其在实时侦查、实时监控、实时控制等领域均有着重要的实际应用价值。动基座下的运动目标检测技术是运动目标检测技术中的重点和难点,其算法的研究与改进工作也一直为国内外大量学者所重视。但是由于动态场景自身的复杂性、目标运动状态的多变性以及运动目标检测的实时性要求等问题,使得动基座下的运动目标检测问题仍然具有很大的挑战性。获得精度更高、实时性更好的动基座运动目标检测算法必然是这一领域未来发展的趋势所在。基于此,本文针对动基座下的运动目标检测技术进行了较为深入的探索与研究,其中主要的研究成果和创新工作如下:1.针对传统动基座下的运动目标检测方法中存在的实时性不好、不能适应光照变化的问题,同时为了较大限度的克服背景噪声对运动目标检测精度造成的影响,提出了一种基于傅里叶变换和核函数灰度统计图的动基座下的运动目标检测算法。该算法首先将特征评价函数引入特征匹配块的选取中,进行视频图像背景的分块匹配。然后采用傅里叶变换的相位相关算法估计全局运动补偿参量。接着逐一计算各图像子块的高斯核函数值,建立核函数灰度统计图并通过相邻帧高斯核函数值的变化情况判断运动目标的区域。最后,对包含运动目标的图像子块进行图像的分割处理,最终完成动基座下的运动目标检测。实验结果表明,该算法能有效地抑制背景干扰,并具有较好的检测精度和很好的实时性,对运动目标检测过程中光照变化的干扰也有一定的适应能力。2.针对经典的光流算法在动基座运动目标检测中存在的不能适应光照变化、计算量大的问题,提出了一种基于改进CLG光流模型和高斯金字塔的动基座运动目标检测算法。该算法首先将梯度守恒假设引入到传统的CLG光流模型中,结合结构纹理分解等处理降低光照变化对光流估计的影响。然后采用高斯金字塔分层计算光流并通过灰度较大点的光流迭代得到其他点的光流,从而降低算法计算量,提高检测效率。最后,根据上述求得光流的位移和幅值计算背景运动矢量,完成动基座运动目标的检测。实验结果表明,与经典的光流法相比,该算法能在一定程度上适应光照变化对动基座运动目标检测精度带来的影响,并且较大程度的降低了算法的计算量,提高了动基座运动目标的检测效率。3.针对传统的运动目标检测算法在动基座条件下难以准确检测出运动目标的问题,提出了一种基于元胞自动机的动基座运动目标检测算法。算法首先根据SLIC算法分割视频图像,并应用多模态混合动态纹理模型对视频图像进行背景建模。然后将融合全局差异图的空时显著性检测与基于元胞自动机的自动更新机制相结合得到优化的显著性图。最后,通过对优化后的显著性图做适当的阈值分割处理得到视频图像中的运动目标。实验仿真结果表明,在动基座条件下该算法可以有效的抑制视频图像中非运动目标的显著性物体对检测结果带来的影响,较高精度地检测出运动目标。