在虚实合作系统中,人们关心的是运动的前景图像,需要实时地去除背景图像,由于背景图像本身也有很多的相对运动,因此实时地实现动态背景分离技术是一项重要且困难的工作。本文针对动态背景下的视频流进行实时的运动前景提取,动态背景图像采用Codebook方法进行背景建模,在GPU中对视频流与动态背景模型进行运算,实时提取出前景图像。在此基础上,开发并实现了一个实时的虚实合作系统。本文提出了基于GPU编程的Codebook动态背景分离技术。虽然Codebook背景建模方法能够较好地处理动态背景的变化问题,但是由于其在创建码本的过程中需要进行大量的运算,从而影响算法处理速度。本文将提出的基于GPU编程的Codebook动态背景分离技术分为三个步骤：在GPU中建立背景建模,对输入视频流像素和动态背景模型进行比较来检测出前景目标图像,与此同时动态更新Codebook背景模型。通过这种并行处理技术,实现了实时的背景分离。本文提出了一种在前景检测的同时进行背景学习并删除陈旧码元的方法。在进行前景检测的过程中,包含前景的当前帧信息也将对后续检测所需的背景模型进行更新,本文将长期未被匹配到的码元作为陈旧码元进行删除。相对于传统的Codebook算法,本文提出的算法匹配效果有所改善。本文提出了基于Gibbs-MRF随机场理论的图像去噪方法。利用Gibbs-MRF随机场原理将先验模型的研究转换为对能量函数的研究,通过将前景图像参数确定问题转化为原始图像的最优解求解问题,以此去除图像中的噪声,从而实现准确的背景分离。基于以上算法,本文实现了前景与动态背景的实时分离。在此基础上,开发并实现了一个实时的虚实合作系统,并进行了具体应用,包括运动人体的识别与虚拟笑脸的伴随,切苹果游戏,公共道路上的车辆和人物的实时检测。实验结果表明本文所提出的算法能够较好的实现动态背景下的前景检测,并具有较好的实时性。