背景差分是目前视频领域中运动检测最常用的一种方法,主要思想是比较视频图像序列中的当前帧和背景参考模型来检测目标,但是受内外条件变化的干扰,存在虚警、相机抖动等许多问题。因此,本文开发出一套新型背景差分算法,为视频分析领域的图像分割提供便捷、直观的工具,具有十分重大的现实意义。背景差分中最为经典的模型是混合高斯模型(简称GMM或MOG),它是一种基于背景建模实现的前景检测算法,能较好的分割背景,提取前景。本文以马尔可夫随机场(简称MRF)为理论基础,依据每个像素点的空间邻域信息,来改善混合高斯模型。我们提出的模型从时间分布拓展到时空分布。这个模型能快速有效的传播正确的背景信息,抑制错误的前景信息,从而提高前景检测的准确率。前景和背景的分割越准确,目标追踪的任务越有意义。本文的研究成功应用于虚警和相机抖动的实例,从而证明算法的准确性与鲁棒性,也为背景差分的研究提供了一个创新思路。