随着机器视觉的快速发展,视频图像运动目标检测技术已成为该领域的研究重点,近年来在视频监控等背景固定的场景中检测运动目标已经取得非常大的成就,但在一些背景运动目标也运动的复杂场景中目标检测效果还不理想,如像鸟类、鱼类、昆虫、蛇类等仿生弹药在对运动目标进行检测过程中受到自身运动的影响,背景运动信息为干扰项,增加了目标检测的难度。仿生弹药的特点是体积小,嵌入式图像实时处理系统要求较高,需要合适的算法与低功耗嵌入式平台结合,完成运动目标实时检测。本文针对上述问题进行了深入的研究,优化了实时运动目标检测算法,设计了一种基于ARM的仿生弹药目标检测系统。主要研究如下:（1）对比了光流场法、帧间差分法、背景减去法这三种常见运动目标检测算法的基础理论和算法原理,通过仿真实验对比三种算法在静态背景、动态背景下的检测结果。并对其适用范围及优缺点进行了评估。（2）针对仿生弹药受到自身运动的影响,融入背景运动信息后增加了目标检测难度的问题,提出了一种基于多方法融合的改进光流算法,利用光流梯度求解出运动目标大致边界,同时引入最大类间方差法来替代传统的人工经验阈值选择法选取最佳阈值。引入光线投影算法对运动目标内部的像素点进行填充。针对在阈值分割以及目标内部像素点填充出现大量孤立的噪声点影响了运动目标的提取的问题,利用形态学滤波中的开运算和闭运算将前景运动目标中的黑色噪声点和背景中白色噪声点去除,仿真实验结果表明改进算法检测精确度得到了明显的提高。（3）针对仿生弹药由于体积小,需要将嵌入式平台与运动目标检测技术有效结合的问题,构建了基于ARM的仿生弹药运动目标检测系统,完成了以S3C2440为主控芯片的硬件平台设计,搭建了软件开发环境并对嵌入式Linux操作系统进行移植,在此基础上完成了嵌入式运动目标检测系统的应用软件设计,开发了基于ARM的仿生弹药目标检测系统试验平台。基于试验平台进行了背景简单和背景复杂、光线较强和光线较暗、单目标与多目标的情况下的对比试验,试验结果表明本文所设计的基于ARM的仿生弹药目标检测系统具有较强的可行性。