随着国民经济的快速发展，银行、交通、安检以及国防军事等领域对安全防范和实时报警的需求与日俱增，智能视频分析技术得到了广泛的应用。运动目标检测作为智能视频分析系统中基础和关键的一环，受到越来越多的重视。当前的运动目标检测方法存在着对光照变化和噪声敏感、对动态背景适应性差、不同场景稳定性差、移动阴影等一些问题，本文就这些问题展开了研究。　　首先总结了国内外科研机构和公司在运动目标检测方面的应用及科研进展，然后对比了常用的运动目标检测方法的优缺点。针对二维场景和三维场景的运动目标检测，提出了一些新方法和新的思路。主要工作和创新包括如下几点:　　1.针对二维复杂场景下的移动阴影问题，提出了基于RGB颜色特性和LBP纹理特性的混合阴影检测方法，与现有方法相比在阴影检测的准确性和光照变化的鲁棒性等方面有了一些改进。　　2.针对二维场景下的运动目标检测方法，提出了一个完整的基于高斯混合模型、形态学处理、轮廓提取、前景分割和混合阴影检测的运动目标检测系统。实验表明该方法能够准确地检测出前景目标，完整性好，对随机噪声、光照变化以及动态背景有比较好的鲁棒性。　　3.针对三维场景下的运动目标检测方法，提出了一种基于双目立体视觉系统的视差图背景模型的前景提取方法，实验结果表明该方法能在三维室内场景下检测运动前景目标。　　4.改进了双目立体视觉系统中的立体匹配算法，提出了一种基于种子点视差传播的新立体匹配算法，该方法提取一些置信度高的种子点，通过视差传播机制将其视差值传递给邻域的非种子点，最后得到了准确的稠密视差图。