在人类感知到的环境信息中视觉信息占了绝大部分，其中动态视觉更是主要部分。视频运动对象检测已经成为计算机视觉等领域研究的主要内容，只有检测并分割出比较完整的运动对象才能实现后续高级处理的功能，例如对象跟踪、对象分类和行为分析等。 虽然视频运动对象检测的研究理论已经日趋成熟，但由于在工程实践中需要涉及大量耗时耗空间的图像处理以及复杂多变的应用环境，因此其关键问题集中在准确性、鲁棒性和实时性三个方面。影响检测准确性和鲁棒性的因素包括：噪声干扰、光线变化、阴影存在、物体遮挡和背景变动等。影响检测实时性的因素有：海量的视频信号数据和复杂的图像处理算法等。 基于以上几个方面，论文主要研究了基于单摄像机固定的视频运动对象检测算法，并提出了一个运动对象检测的算法模型及其改进型。主要研究内容如下： 1．阐述了几个主要的运动对象检测算法，分析其基本原理和优缺点，并讨论其应用价值。 2．在基于背景模型的运动检测算法的基础上，考虑到视频的时间空间分布规律，论文构造了一个视频六维分布模型(Six Dimension Video Distribution，SDVD)进行运动对象检测。在时间维上利用在线高斯混合模型对背景进行更新，并且计算像素颜色差异；在空间维上利用纹理特征描述像素点之间结构关系，提高了对光线变化和阴影等环境变化的抗干扰能力。通过视频六维分布模型把帧间时域上的强相关信息和帧内空域上的特征有效结合起来，利用其变化的规律，可以很容易检测视频场景中的运动对象。实验结果表明该算法是实用有效的。 3．算法采用了一系列优化算法如图像块分析、帧平均、数学形态学和轮廓跟踪等方法，大大提高了运算的效率、检测的完整性和对复杂环境的抗噪能力。 4．介绍了小波变换的原理及特点，并利用小波变换技术实现对SDVD模型的改进。最后给出实验结果。