随着汽车成为人们生活的一部分,交通事故也成为全球范围内普遍担心的问题.障碍物检测系统作为解决交通安全问题的重要系统,成为各国研究的重点.动态场景下运动障碍物的检测由于自身的重要性,成为障碍物检测中的热点问题.在分析总结国内外各种运动障碍物检测方法的基础上,本文提出一种新的运动障碍物检测算法.本文算法主要由两个部分构成：全局运动估计部分和运动障碍物检测部分.算法整体思路是：首先估计出动态场景下由摄像机运动造成的全局运动,然后将估计结果用于运动障碍物检测部分,从而实现运动障碍物检测的最终目标.在全局运动估计阶段,本文提出一种基于SURF算法的全局运动估计.首先在SURF算法基础上,获得特征点的空间坐标及其匹配关系；然后利用双线性模型,通过最小二乘法,求取全局运动参数模型.并针对实际应用过程中遇到的误匹配问题,提出了自适应去除误匹配解决方法；最后,通过对真实图像进行实验,结果表明结合SURF算法的全局运动估计思路具有合理性,本文提出的去除误匹配方法是有效可行的,取得了较为满意的效果.在运动障碍物检测阶段,本文提出了一种基于贝叶斯决策的动态场景下的运动障碍物检测算法.首先通过利用贝叶斯决策建立了一个基于灰度特征的背景检测概率模型,然后根据全局运动估计的结果判断前景候选点作为运动信息,最后本文提出一种新的结合图像灰度特征和运动信息的特征统计更新方法,使得在没有更多约束条件的情况下完成运动障碍物的检测.实验结果表明,该方法不易受光照条件影响,在提高运动障碍物检测率的同时,能够有效地降低误检率.