针对经典的VIBE前景提取算法当输入的第一帧含有运动目标时后续检测就会出现“鬼影”现象、像素判别时背景模型中的固定半径在复杂场景检测中效果不佳以及主流的运动目标检测算法在复杂场景下检测出来的运动目标通常存在较大面积空洞等三个问题,本文做出了具体的改进策略。首先,针对“鬼影”问题,提出一种基于轮廓相似度比较的“鬼影”去除方法。通过比较静止区域和对应的灰度区域用Canny算子提取到的轮廓之间相似性,区分静止区域是“鬼影”区域还是静止目标,然后对其分别处理。其次,针对背景模型在像素判别时的固定半径在复杂场景下检测效果不佳的问题,提出一种基于LBP-T描述字的自适应阈值方法。该方法通过LBP-T描述字来描述当前像素与背景模型中样本之间的差异程度,这种差异程度也直接反映了视频中场景的变化程度。在像素判别时根据描述字来动态调整判别模型中半径的大小,使得在场景变化程度较小时有更多的前景点被检测出,变化程度较大时能够阻止波动较小的像素点被检测为前景点,减少检测结果中的噪声。最后,针对主流运动目标检测算法在复杂场景下检测出的运动目标存在较大面积空洞问题,本文对检测到的前景区域和前景邻近的空洞区域两者之间的性质上做出了深入分析,提出一种基于超像素分割和显著性检测相结合的目标空洞填充方法。该方法巧妙地借助了形态学处理,大大缩小了待检测区域的范围,然后通过本文给出的相似度函数计算出所有待检测超像素块的属性,获得精确的需要填充的区域,最后将这些区域与VIBE结果相加,得到比较理想的结果。实验结果表明,与原始的VIBE算法相比较,本文改进的基于轮廓相似性比较的方法能够在更少的帧数内去除“鬼影”;基于LBP-T描述字的自适应阈值使得检测出的运动目标更为准确;而且当检测出的运动目标中存在较大空洞时,本文的算法也可以将空洞区域很好地填充上。