近年来,随着高速公路里程不断延长,车流量节节攀升,因高速公路抛洒物诱发的事故数量激增。而在这些抛洒物中,大多为货车上未捆扎严实而掉下的货物或者汽车故障掉落的碎片,这些体积小而坚硬的物体,对高速公路司乘人员的安全带来了极大的威胁。因此对高速公路小目标抛洒物进行实时、准确地检测成为亟待解决的问题。不同于高速公路上的机动车、非机动车、行人等目标,抛洒物不具有图像上的通用特征,因此本文通过前景提取和噪声去除的方法实现小目标抛洒物的间接检测。首先,本文提出了一种基于背景分离的混合高斯模型(BS-GMM)算法来提取高速公路视频的前景图像,对原混合高斯模型的背景划分和像素点类型判断进行改进,提出背景分离检测前景目标的概念,在实现静止目标检测的同时能够适应实时的背景环境变化。然后,本文对前景提取结果进行图像预处理以及目标定位,使用基于IOU匹配的跟踪方式对前景目标的运动状态进行分析,去除了大量随机噪声的干扰,并得到疑似小目标抛洒物。最后,本文对两种常见的由摄像头抖动和光照阴影产生的小目标噪声进行去除,分别提出了基于频率统计的抖动抑制算法和基于边缘匹配的小目标抛洒物验证方法对疑似小目标抛洒物进行筛选。将基于背景分离的混合高斯模型小目标抛洒物检测算法应用于实际的高速公路视频中,取得了不错的效果。算法能够准确检测出塑料袋、车辆碎片等常见小目标抛洒物,最小的目标尺寸可低至200像素,并且能有效避免摄像头抖动、亮度变化、阴影晃动等环境干扰引起的抛洒物误报。同时,算法在计算效率方面也表现突出,能够用于实时的高速公路视频小目标抛洒物检测。