运动目标检测旨在运用检测技术区分运动目标区域与背景区域,提取真实的运动目标区域,然而,视频图像采集过程中的光线突变,背景复杂,运动目标速度的变化会给目标提取带来干扰,目标检测的准确度直接影响更高层次的目标识别和跟踪以及异常行为分析的处理效果。传统模式下固定摄像头越来越不能满足我们复杂的社会活动,移动终端的普及越来越大的影响着我们的生活,也加速了运动目标检测的智能化,集成化,然而手持移动设备也无可避免的带来镜头的微小运动,造成背景区域和前景区域的相对静止,给运动目标检测带来了新的挑战。针对这些问题,本文重点研究的是运动背景下的运动目标检测在智能移动终端上的应用。本文研究的的背景是基于智能移动终端的微小运动,是在静止背景下展开的研究,故将本文研究的运动目标检测算法主要分3个方面展开:(1)静态背景下基于实时性和准确性的运动对象提取算法;(2)背景运动下的运动目标检测算法;(3)运动目标检测算法在智能移动终端上的应用。静态背景下考虑到算法的实时性和准确性,结合经典的检测算法,本文提出一种融合ViBe算法与帧间差分法的检测算法,首先输入第一帧图像初始化ViBe背景模型,建立基于像素样本观察值的ViBe背景模型,同时运用帧间差分法提取潜在运动区域,继而在潜在运动区域进行ViBe算法的前景匹配,弥补帧间差分法的空洞效应,更为准确的提取目标,提高算法的实时性,并将此算法运用于补偿后的运动背景。针对移动终端微小运动的问题,本文采用运动补偿静态化运动背景来克服镜头的微小运动,首先进行hairris算子的运动特征提取,继而利用SIFT算子进行特征角点的特征描述,采用RANSAC算法准确的匹配相邻两帧图像的特征像素点,运用仿射参数变化矩阵计算镜头的运动参数,继而进行背景图像的运动补偿,将运动背景静态化,最后利用静态背景下的融合算法提取运动目标,在eclipse编译环境下,编写代码,并将该算法应用于基于Android平台的智能移动终端上。实验结果表明本文算法在够有效抵抗运动背景,准确提取运动目标。