背景建模是运动目标检测方法中应用比较多的一种方法,是图像处理领域的一项关键技术并且有着广泛的用途。由于图像处理本身需要大规模的运算,所以利用并行计算对图像处理进行加速处理是最优的选择。本论文主要针对最常用的背景建模方法,单高斯背景建模以及混合高斯背景建模,利用CPU(Central Processing Unit)的并行模型TBB(Threading Building Block)和GPU (Graphic Processing Unit)的并行模型CUDA (Compute Unified Device Architecture),结合背景建模算法的特点,通过多次实验比较找最优并行策略,以得到对背景建模算法的最好加速效果。单高斯算法和混合高斯算法都是图像处理领域的经典算法。他们的串行算法都具有一个共同特点,数据存储量大、参数多、复杂度高。现有CPU串行计算方法的运行时间长,而且每个像素点的运算都是相对独立的,不同数据的具体处理过程都是相似的,所以非常适合并行处理。基于此,本文利用TBB、CUDA,以及新提出了TBB和CUDA相结合的混合并行架构体系,分别对单高斯和混合高斯背景建模算法进行并行化改进。本文首先介绍TBB和CUDA并行模型各自的特点；对CUDA和TBB的并行结合框架作了简单介绍；然后详细分析了单高斯算法和混合高斯算法的基本原理,并且实现了各自的串行算法,分析出算法中耗时和并行部分；利用三种并行策略对两种背景建模算法依次进行并行处理。通过对比三种策略的加速比得出,本文新提出的TBB与CUDA相结合的并行策略更适合于单背景高斯模型。对于混合高斯模型算法,基于CUDA的并行方法比其他两种方法加速效果更好。通过针对两种背景建模算法并行策略的选择可以发现,有效利用TBB负载均衡的特点,还有CUDA统一架构体系优势,充分挖掘CPU和GPU的计算资源,才能得到理想的加速效果。