近年来,我国高速公路建设蓬勃发展,由抛洒物导致的交通事故数量也在不断增加。目前对高速公路抛洒物的检测主要以人工值守监控视频的方式进行,难以保证及时、准确的检测效果。因此,设计抛洒物检测算法对高速公路视频进行快速、精准的抛洒物检测具有重大实际意义。现时的抛洒物检测算法在对高速公路视频进行检测时面临着两大难题:一方面抛洒物的种类繁多,不具有图像上的通用特征;另一方面高速公路环境复杂,监控视频中存在多种噪声干扰抛洒物的检测。因此,本文针对上述两个问题进行研究,提出两个基于背景模型的抛洒物检测算法。本文的主要内容如下:（1）为了检测不具有统一外观特征的抛洒物,本文提出了基于背景模型与跟踪的抛洒物检测算法,利用抛洒物的运动特征进行检测。在该算法中,使用混合高斯模型作为背景模型,对高速公路视频的帧图像进行运动目标检测,获取帧图像中的运动目标,包括各种类型的抛洒物。然后,使用基于IOU与匈牙利匹配的跟踪算法对各运动目标进行跟踪,获取它们的运动状态信息,通过抛洒物特有的先运动后静止的特点,将它们与其余运动目标进行区分。除了上述过程外,该算法还利用YOLO网络模型以及语义分割网络模型排除抛洒物检测中的干扰项,提高算法的鲁棒性,最终达到准确、快速的抛洒物检测效果。尽管对抛洒物的检测效果优秀,该算法可能会受到视频画面抖动产生的环境噪声影响,出现少量的误报情况。针对该问题,本文将提出第二个抛洒物检测算法。（2）为了进一步提高抛洒物检测算法对环境噪声的抗干扰能力,本文创新性地将多个背景模型进行配合使用,提出基于多背景模型组合的抛洒物检测算法。该算法能同时获取视频中背景的变化信息和运动目标的运动状态信息,通过前者算法能排除画面抖动造成的噪声影响,而通过后者算法可以将抛洒物与其它静止的目标或噪声进行区分,进一步提高算法的鲁棒性。同时,本文还通过在算法中加入抽帧处理部分,减少算法对输入视频进行抛洒物检测所需的计算量,并针对抽帧对抛洒物检测的影响,对算法的相应部分进行改进。最终在保证优秀的抛洒物检测效果的同时,提高了算法的运行效率。本文使用多个采集到的含有抛洒物事件的高速公路视频对提出的两个抛洒物检测算法进行测试,通过实验结果证明了本文提出的算法具有优秀的抛洒物检测效果以及对环境噪声干扰的强鲁棒性。