针对自然环境中因摄像机抖动造成无法准确检测运动目标的问题, 提出一种结合分块灰度投影、背景差分与连续帧间差分法的运动目标检测算法。该算法通过将图像帧进行分块处理, 结合离散化决策机制去除灰度梯度变化低及存在局部运动的目标区域, 提高全局运动矢量估计精度。根据块区域灰度投影曲线进行互相关计算, 完成抖动序列校正。通过对校正后的序列帧提出使用背景差分与连续三帧差分法的融合策略处理, 增强运动目标区域。通过将融合差分图像平滑处理并使用Otsu法进行自适应阈值分割, 检测前景运动目标。用公共抖动视频序列实验, 并与不同算法对比验证后可得：该算法可以准确检测出摄像机抖动场景中运动目标, 保证较好检测效果的同时检测速度较快。

针对传统单高斯背景模型(SGM)存在的背景模型不能很好地自适应背景变化、目标检测不完整的问题，提出了一种改进的单高斯背景模型运动目标检测算法，该方法结合单高斯背景模型和mean shift原理对运动目标进行检测。取前N帧视频样本的均值作为初始背景模型，对当前帧图像进行运动目标的初检测，根据单高斯背景模型更新原理用当前帧图像对检测为背景的点进行背景模型更新，对更新后的背景模型中不属于背景点的像素点进行mean shift修正，将进行mean shift修正后得到的背景模型作为最终的背景模型，再通过背景差分法最终检测出运动目标。实验表明，改进的算法能很好地克服背景模型不能自适应背景变化的缺点，目标检测完整度比传统的单高斯模型高。