运动目标检测一直是计算机视觉领域和智能监控领域的研究热点,大部分实际场景中的摄像机是静止的,即所谓的静摄像机情景下的运动目标检测。然而,随着科技的日益发展,运动摄像机情景下的运动目标检测受到了更多研究学者的重视。特别是在机器视觉和无人驾驶领域的作用尤为明显。摄像机和目标都在运动时,前景和背景的分离成为了运动摄像机情景下运动目标检测的重难点之一。针对上述难点,本文分析了匹配中不同位置的特征点的稳定性,从中得出目标与背景交接区域的特征点容易出现错误匹配。本文根据这些错误匹配的特征点,提出了基于EMP(Error Match Point,即错误匹配点)的运动目标检测算法,并根据EMP得到运动目标区域,最后结合Grabcut算法,实现了在运动摄像机情景下的运动目标检测。本文的主要研究内容有以下几个方面:(1)分析了EMP产生的原理,给出了其定义,提出了EMP的提取方法及流程。(2)提出了在空间上结合SIFT算法和ORB算法对EMP的丰富和完善;另外,提出了在时间尺度上用五帧处理法对EMP的丰富和完善。(3)提出了在五帧处理法中引入RANSAC算法进行筛选,使得提取的EMP更加稳定;通过矢量匹配法,去除了背景上的EMP。(4)通过EMP确定的目标信息来指导Grabcut算法,从而实现了运动摄像机情景下的运动目标检测。根据在运动摄像机下连续帧之间匹配产生的错误匹配特征点,最终实现了运动目标的检测。根据不同的实验结果分析证明,本文算法在摄像机运动方式多样的情景下,都能较好的提取到EMP,且最终都能实现较好的检测结果。