运动目标检测是计算机视觉学科的重要分支,也是一个重要的研究课题。近年来,运动目标检测技术在人们日常生活、军事等方面得到了广泛的应用,特别是在智能交通、自动驾驶等交通辅助驾驶方面。而把运动目标从背景图像中快速、准确的分离出来是对图像进一步分析处理的关键和基础。因此,人们经过不断地深入研究,提出了一系列的运动目标检测算法。但是,这些算法仍然存在一部分问题,比如摄像机的抖动会干扰运动目标的检测等。本文中,在现有研究成果的基础上,对各种条件下的运动目标检测算法进行分类研究,分析了各种算法的优缺点,并在此基础上针对动态背景下的算法进行了改进。本文首先对适应于静态背景和动态背景的各种检测算法的原理进行了总结介绍。特别是针对动态背景条件下,对光流算法的定义、原理、计算方法进行详细的总结,尤其是对块匹配准则和搜索算法进行了详细的分析介绍。在视频拍摄过程下,由于摄像载体的不稳定导致了输出视频的抖动,如何消除这种抖动是本文的重点。动态场景下的各种运动目标检测算法中,光流场法是公认的优秀的算法。而光流场的各种计算方法中,块匹配光流算法的效果比较好。因此,在分析了各种抖动消除算法的优缺点后,本文采用一种基于块匹配的抖动消除算法,并将该算法与光流算法结合,提出一种适应抖动的鲁棒的光流算法。与以往的抖动补偿所不同,文中我们不对原始图像进行补偿,而是对光流图像进行抖动补偿。另外,该方法中抖动消除算法和光流计算方法使用同一块匹配算法,这样能有效地节省了算法的时间。实验表明该方法能有效地消除图像的抖动,将运动目标从图像中分割出来。