随着科学技术的不断发展，视频处理技术得到越来越广泛的应用。视频处理技术的研究内容包括运动目标检测和物体跟踪等很多领域，视频处理技术的研究成果可以广泛地应用在各个领域。从目前的形势来看，只对目标进行简单的检测和跟踪是远远不够的，如何实时呈现运动目标的三维结构显得尤为重要。　　当摄像机运动时，图像背景也随之运动，运动目标的检测变得很困难。本文深入研究了图像匹配算法，并针对SIFT匹配算法做出了如下改进:先计算特征点的疏密程度，然后再进行相关程度（欧式距离）的计算，使得特征点匹配算法的搜索范围小，匹配范围更有针对性。在改进的SIFT匹配算法中，随着疏密程度的不同，阈值也随之动态变化，实验验证了改进的SIFT算法在准确率和计算效率上都有所提高。基于改进的SIFT算法，本文提出了运动摄像机下的运动目标检测流程，流程包括改进全局特征点检测与匹配、求解全局运动模型及运动矢量、计算出局部运动矢量得到运动目标特征点、采用种子填充法进行填充、最后提取运动目标的图像。基于该目标检测流程，本文使用获取图像、摄相机标定、特征点提取、特征点匹配、获取物体的深度图、恢复物体的三维信息的三维重建流程，并在Visual Studio2008平台下实现了对检测运动目标结果图像的三维重建。　　论文首先介绍了计算机视觉相关理论，然后给出了摄像机的标定与成像方法。接着，论文详细介绍了图像的预处理方法和角点检测算法，包括如何去除噪声、增强图像，如何进行角点检测和特征点匹配等。然后，论文给出了改进的SIFT匹配算法，深入分析了摄像机运动时的运动目标检测方法，详细介绍了基于改进SIFT匹配算法的运动目标检测流程。实验分析证明，改进后的SIFT算法提高了匹配准确率和计算效率。然后，论文详细介绍了整个三维重建过程的实验环境和实验流程，并根据检测结果图片进行了三维重建实验。实验结果表明，本文实现对图像序列中运动目标的三维重建。最后，论文给出了本文的工作总结和进一步工作展望。