在计算机视觉的研究领域中，运动目标检测是其中一个研究方向。它的目的是将视频序列中的运动的物体，从周围的环境信息中检测并提取出来。检测的结果可用于目标识别、目标跟踪，行为分析等研究。应用领域从军事的视频侦察到民用的安防监控。在研究中，由于背景并不静止，如树枝雨雪海浪等环境的扰动，光照的变化和拍摄相机的运动，导致对检测引起较大干扰。如何消除动态背景的不良影响一直是研究的重点和难点。本文从动态背景的成因出发，做了两方面的研究：　　1、对于由环境的变化产生的动态背景，本文以背景消除法为基础进行研究。针对背景消除法需要背景建模和对初始结果优化的步骤，利用核密度估计和光流法在动态背景中的良好适应性，提出了结合像素灰度值和光流值的核密度估计背景模型，获得检测的初始结果；利用隐马尔可夫随机场对图像处理时优异的特性，提出了基于核密度估计的观测场模型，从而对初始结果进行优化。通过仿真实验，检测结果验证了本文提出方法的有效性。　　2、对于由相机运动产生的动态背景，为了解决目标相对静止时，用背景消除会造成相对静止目标逐渐消失的问题，本文提出了对目标进行运动估计的方法。首先从初始的检测结果中提取出感兴趣的区域；然后利用CT算法在对单目标跟踪中的计算简单的优点，进行多个感兴趣区域的运动估计；最后提出了区域自适应的方法，将估计到的目标区域内的目标利用K-means算法提取出来，完成检测。实验结果验证了该方法对目标消失问题能够有效解决。