摘要：运动目标检测算法是从视频图像序列中提取感兴趣目标的一项技术，是目标分类、目标跟踪、目标行为等其他视频分析技术的前提条件，也是机器视觉和数字图像处理所研究的重点问题之一，因此对实时视频的运动目标检测算法的研究有着重要的研究价值和意义。首先对Vibe背景建模算法进行了研究分析，发现其具有速度快、消耗资源少的优点，非常适合于实时运动目标的检测，然而存在以下问题：鬼影问题、静止目标问题、阴影前景问题、运动目标不完整问题。针对前三个问题对Vibe算法进行了改进：针对鬼影问题，提出了一种前景与邻域背景直方图匹配法，消除前景目标中的鬼影；针对静止目标问题，对Vibe背景模型的更新策略进行改进，从而防止长时间滞留的运动目标被吸收进背景中；针对阴影前景问题，根据背景与阴影在RGB颜色空间中分布的差异性建立了一个阴影检测模型，可以在一定程度上消除较大的阴影。虽然改进的Vibe算法在运动目标检测方面的效果有所提升，但所检测到的运动目标区域依然存在不完整的现象。因此，在改进的Vibe基础之上引入了图像处理中的抠图技术，提出了一种新颖的运动目标检测方法。该方法在改进的Vibe算法快速准确地锁定前景目标区域的前提下，结合抠图技术不完全标号和高精度提取前景的优点，可以有效地提取出完整的运动目标区域，很好地解决了运动目标检测区域存在的空洞、“c”字型边缘残缺与断层等问题。最后，将改进的Vibe算法分别与抠图技术中的Grabcut和Closed-form进行结合，并将这两种结合策略进行了对比分析。为了验证新算法的准确性、实时性和鲁棒性，选取了帧间差分法、基于混合高斯背景模型的背景差分法和基于Vibe背景模型的背景差分法这三种较为热门的运动目标检测算法进行对比分析，实验结果表明新算法是有效的。