背景模型是很多视频应用系统中的关键部分。为了能够快速、有效的构建背景模型,在分析了多种常用背景模型之后,提出了一种新的多阶编码本背景模型。多阶编码本背景模型基于编码本背景模型发展而来,对其做了以下改进：1.帧间多阶处理：在训练、更新背景模型时,根据图像的全局平均灰度值,生成新的编码本,或者更新适合的编码本；在背景减除时,选取合适的编码本进行背景减除。这样,能够使背景模型适应背景的多样性。2.为码元设置权重：为每个码元增加了权重概念,从而可以在清除阶段能够清除掉权重过小的码元,并且使背景模型占用的内存更少,处理速度更快；权重用于背景减除阶段,能够抑制噪声及干扰,避免“前景空洞”问题；权重还可用于获取最可靠背景图像,能够使背景模型从包含混乱运动物体的视频序列中提取出清晰的背景图像。3.阴影检测：根据阴影的物理特性,在背景减除阶段,增加了可选的阴影检测方法。阴影检测能够消除跟随运动物体的阴影,也能消除受发光物体或者反光物体影响的高亮区域。4.帧内处理：对前景掩码图像进行可选的区域级处理,包括：形态学开闭操作、基于轮廓的操作。这样能够消除噪声,剔除过小的前景对象,使结果变得清晰、干净。将多阶编码本背景模型应用于铁路乘务公寓监控录像分析,提取出包含运动目标的视频片段,能够有效减少抽查监控录像的工作量。实验结果表明,多阶编码本背景模型能够有效的避免以往背景模型存在的一些常见问题,能快速准确的更新背景模型,能适应复杂的场景,具有很好的性能。