论文介绍了背景建模算法相关研究的现状，点明了背景建模算法在运动目标的提取中的关键地位；描述了背景建模不同的分类方式；研究了背景建模算法的相关原理，解析了四种经典的背景建模算法；利用实验对比分析了四种经典的背景建模的算法的性能得到其不同的适用场景，并利用实际的公路视频来进行实验验证；分析了在相关的实验室项目中有关背景建模技术的实际应用。

论文的贡献在于：

（1）归纳总结了背景建模不同的分类方式；

（2）利用实验对比分析了四种经典背景建模算法的优点和不足，提出了每种算法分别适应何种应用场景；

（3）基于实验室项目解析了背景建模算法的相关应用。

论文研究的主要对象是背景建模，背景建模算法是运动目标的提取的关键步骤，应用于我们生活的方方面面。论文依托江苏省科技厅项目《基于公路交通传感网信息检测·挖掘·汇聚、发布及辅助决策系统示范》，主要研究内容如下：

（1）首先阐述所选论文题目的研究背景以及意义，概述关于背景建模的研究现状，以及我们目前实验室项目所面临的关于背景建模的挑战。

（2）阐述了背景建模算法的不同的分类，以及在不同的应用场景下对背景建模的需求。

（3）针对四种典型的背景建模算法（即单高斯背景建模、混合高斯背景建模、Codebook和VIBE）进行了解析与比较，包括原理上的说明以及利用四种算法最后得到的实验结果的对比以及优缺点分析。

（4）四种典型算法的测试与分析，利用标准视频库针对这四种算法进行测试，利用所得到的实验数据进行分析，分析这四种算法的优势和不足，利用实验室的高速公路视频进行试验检测，验证得到的测试结果，总结不同算法的不同适用场景。

（5）分析背景建模算法在实验室相关项目的应用，解析背景建模在背景维护和检测运动目标中的应用。

（6）针对论文中的所有的内容进行深入总结，论文中的未谈到的内容，包括算法的优化后续研究工作的一个展望。

论文工作总结

背景建模技术在视频监控等许多领域都有重要的应用，其目的就是从视频中提取出我们感兴趣的运动目标。国内外的很多研究人员都提出了许多不同的背景建模的方法，每一种方法都有不同的研究意义和不同的研究结果。由于每一种方法提出的时间和提出的背景都不一样，所以每一种算法都存在一定的优点也存在缺陷，所以不同的算法有不用的适用场景。所以本论文的主要工作总结如下：

（1）介绍了背景建模相关的背景知识，阐述了背景建模的分类，解析了现有的四种经典的背景建模方法，分析了它们各自的原理和基本的流程，然后从理论上分析了它们各自的优缺点以及应用范围。

（2）对提到的四种背景建模的算法进行算法测试并根据得到的结果进行分析：VIBE算法的综合性能是最好的，计算效率高，鲁棒性好，也能够适应多变的环境。但是该算法容易出现“ghost”现象，如果出现多模态背景或者出现摄像头的抖动，就有可能造成误检。利用高速公路视频针对VIBE算法进行实验验证。描述了实验室相关的项目并且分析了背景建模在这这个项目中的关键作用以及背景建模算法是如何得到应用的。