在智能视频监控、机器人视觉、视频会议等领域,背景建模是其中的一项关键技术。建模结果直接影响后续的运动目标检测、识别和跟踪效果。因此,背景建模成为视频序列图像分析的基础和关键部分。国内外学者在背景建模技术上进行了理论和实际应用的研究及探讨,已经取得了一些研究成果,但仍存在许多问题。由于实际应用场景中,存在着光照变化、树木摇晃、水面波动、自身阴影等干扰,给背景建模带来了一定的挑战。因此进行复杂环境下的背景建模算法研究是一个具有实际意义的课题。本文在深入研究前人背景建模算法的基础上,以“内河海事智能视频监控系统研发”项目作为实际应用背景,针对水面波动的内河航道环境,基于运动船舶视频序列进行背景建模算法的研究,主要研究工作如下：1首先分析了基于运动船舶视频建立背景模型存在的难点,然后阐述了国内外背景建模算法的研究现状,在此基础上指出常用的背景建模算法在实际应用中的优点和存在的不足。2针对水面波动的复杂内河航道环境,研究了以像素值为特征的建模算法,选择对水波扰动有一定适应性的混合高斯模型算法、像素归类模型算法、码本模型算法、ViBe算法,研究算法的基本原理、建立背景模型和模型更新过程。考虑不同的实际场景：背景存在扰动、目标运动缓慢、初始帧含有运动目标、光照突变的情况下,对比分析四种背景模型算法的适应性和鲁棒性,综述不同模型算法的优势和不足。3对研究的四种算法提取得到的初始运动目标进行形态学处理,比较处理前和处理后的不同结果。在混合高斯模型算法进行前景分割的基础上,利用HSV阴影抑制算法,提取了更准确的运动目标。4最后在Visual Studio2010上,利用Opencv对算法进行编程实现和仿真。实验结果表明：码本算法与其他算法相比,提取目标最接近原始目标形状,有更强的适应性和鲁棒性。