序列图像中运动目标的检测技术是计算机视觉重要的研究内容之一，在机器人视觉技术、智能监测技术及自动车辆辅助驾驶等领域都有广泛的应用。 由于传统的视频检测技术受到单源传感器成像机理及光谱特性的束缚，已经无法满足复杂的实际工作环境要求，基于多源视频传感器协同检测技术便成为了当前的研究热点。本论文在国防基础研究“×××”的资助下，研究多源视频传感器协同检测技术，主要工作有： 1．对单源传感器目标检测技术、多源传感器融合检测技术及多源传感器协同检测技术进行比较与分析。对协同检测技术应满足的要求予以描述，指出协同检测技术应同时满足实时性、同步性、交互性和鲁棒性四个方面的要求。 2．在完成实验系统架构的基础上，针对红外图像与可见光图像的配准问题，采用了一种粗匹配加精匹配的方法完成图像配准及目标定位工作。通过粗匹配得到的特征点对估计图像之间的变换参数，选择适用情况最好的一组作为图像之间的变换参数完成精匹配。实验验证了该方法的有效性。 3．在序列图像的预处理方面，对空间滤波、时空滤波技术予以介绍。在单源传感器目标检测方面，针对红外图像与可见光图像，分别提出了一种快速自适应阈值的多帧差分目标检测算法。多种自然复杂环境下的实验表明，所提出的算法具有较高的实时性与鲁棒性。 4．针对检测结果的自动评价问题，提出了一种基于评价因子及灰色关联分析的评价方法。首先建立评价因子的数学描述，获得当前检测结果的多个定量的评价分量；然后通过灰色关联分析，实现对不同检测结果定量、综合的评价。实验验证了该方法的有效性。 5．针对协同检测技术四个方面的要求，分别提出了一种基于竞争策略和一种基于竞争与协作策略的协同检测方法。前者是根据检测后的评价结果，直接对检测结果进行修正；后者首先对各源使用的检测过程进行调整(如检测算法中的一些待定参数)，获得一个更好的检测评价结果，之后再根据评价结果，对检测结果进行修正。多种自然复杂环境下的实验表明，这两种方法均能较好地满足实时性、同步性、交互性和鲁棒性的要求，体现出协同检测技术的优点。