动态背景下运动目标的检测是计算机视觉领域的一个重要课题,在精确制导武器、交通监控、智能车辆等领域有着广泛的应用前景。研究由于摄像机运动引起的背景运动并检测其中的运动目标具有重要的实践意义和理论价值。本文对动态背景下运动目标的检测技术进行研究,主要研究动态背景补偿方法和运动目标光流检测方法。在分析现有背景补偿方法的基础上,针对传统灰度投影法在补偿背景时存在的搜索速度慢、逐帧搜索的问题,本文提出了基于最小二乘预测的灰度投影背景补偿方法。在灰度投影背景运动检测方面引入折半查找思想,提高了动态背景运动搜索的效率;在此基础上,采用最小二乘算法2点线性预测机制,提高了动态背景补偿效率。在运动目标检测方面,本文对Horn-Schunck(HS)光流计算方法和Lucas-Kanade(LK)光流计算方法进行研究。针对它们存在的光流运动目标检测不准确、对噪声敏感等问题,本文提出了基于梯度阈值的LK-HS改进光流计算方法。将LK光流思想引入HS光流计算,增强了局部微弱运动信息,提高了光流运动目标检测的完整性。在此基础上,采用梯度阈值方法,仅在梯度值较大的点处使用亮度恒常性假设约束,在梯度较小的点处只使用全局平滑性假设约束,增加了光流运动目标检测的准确性。为了减少光流动态背景运动目标检测中无效背景光流的计算、降低背景光流对目标光流识别的干扰,本文将动态背景补偿方法和光流运动目标检测方法相结合,即在动态背景补偿之后,进行光流计算,提出了灰度投影背景运动补偿与梯度阈值LK-HS光流计算相结合的运动目标检测方法。实验表明,该方法能够有效地减少无效背景光流的计算,降低其对目标识别的干扰。