视频前景背景分离是对视频序列中感兴趣的前景运动目标进行检测、跟踪并提取出背景的过程,这同样也是后续的识别、分类和跟踪工作的基础。因此,对于视频前景背景分离的研究有着重要的意义。本文针对视频前景背景分离,提出了一种融合前景运动信息的矩阵复原(MAMR)算法。在MAMR模型中,帧间的背景用低秩矩阵来建模,前景物体通过稀疏矩阵来建模。为了使得分离结果更加精准,首先估计逐帧的密集运动场,然后映射到MAMR模型的权重矩阵内,矩阵内每一位置标识着当前位置像素属于背景的概率。在求取密集运动场时,我们选取固定参考帧,以消除慢速运动物体和伪装物在背景中留下的拖尾痕迹。本文的MAMR模型通过增广拉格朗日乘子(augmented Lagrange multiplier,ALM)算法和基于方向交替(alternating direction method,ADM)算法来求解。前景物体通过背景减技术来求取。同时,为了增强对密集噪声的抗干扰性,本文引入了更强的约束,将MAMR模型扩展成了具有实际应用意义的鲁棒MAMR模型(RMAMR)。在实验中,首先分析了运动信息向权重矩阵映射的过程中参数对结果的影响,然后和目前最先进的背景提取方法进行了比较。实验结果表明,我们的方法适用于各种监控视频的前背景分离,例如含有光照变化、伪装物、不同类型的运动的视频等;而且,优于其他的方法。