运动目标检测技术是计算机视觉领域的重要研究内容,它在工业、医学、军事、教育、商业、体育等领域有着广泛的应用。对运动目标进行准确的检测是序列图像分析的基础性工作,也是当今国内外众多学者研究的热点问题。本文对复杂环境下的运动目标检测技术及其实现做了深入研究,主要的工作为:首先分析了基于差图像的运动目标检测过程,给出了具体的目标检测、提取实现方法,以及一种双阈值的差图像分割方法。其次结合实验对现有的均值背景模型、分段背景模型、中值背景模型、高斯背景模型以及随机背景模型方法进行了系统的分析,给出了各种方法的具体检测实验,并对各方法的优缺点做了总结。鉴于各种背景模型的优势,本文提出了多种背景模型检测结果融合的方法,并给出了具体的实现策略。最后通过对Watershed图像分割方法的研究,提出了一种基于Watershed的目标检测方法。该方法对图像进行分割处理后,通过对小区域的分析来判断目标的有无,它与应用单个像素差分的方法相比更具稳定性。我们给出了算法的两种实现形式:一个是基于背景分割的方法,另一个是基于序列图像分割的方法。前者对背景分割后的每个小区域,用模型的方式来描述区域的变化,具有很快的处理速度;后者则是对每一帧待检测图像进行分割,通过区域对比分析得到粗略的变化区域,而后进行适当的区域合并,得到完整的目标区域。经过测试,本文给出的方法在复杂环境下具有良好的检测性能。