手动给出背景法和统计获得背景法不能自适应地调节背景的变化。

2.2.3 Surendra背景更新算法

Surendra背景更新算法可以自适应地获取背景图像。

该算法的思想是通过当前帧与背景帧的帧差找到场景内的运动区域，保持运动区域内的背景不变，用当前帧替换更新非运动区域的背景，这样就可以提取出背景图像。

该算法可以分成以下步骤：源`自,吹冰`.论"文'网[www.chuibin.com

①将第1帧的图像 作为背景图像 

②设定阈值 ，初始化迭代次数 ，最大迭代次数 

③计算当前图像帧的差分

                                    (2.1)

④由二进制图像   更新背景图像   ，即

              (2.2)

 , 为背景图像和差分二进制图像在 上的灰度值； 为输入的第 帧图像； 为迭代速度系数

⑤迭代次数 ，返回③，当迭代次数 时结束迭代。此时 可视为背景图像

2.3 背景差分法的背景更新综述

根据背景模型的不同，背景差分法分为以下几种：直方图法、平均值法、单分布高斯背景模型、混合分布高斯背景模型、mean shift算法、Camshift算法、Kalman滤波器法。[4]

本文在模型上使用Kalman滤波器法。

2.3.1 直方图法

直方图法的原理是在连续n个图像帧上统计出某一像素点的灰度值，该像素点的背景值就是出现次数最多的灰度值，继而可以求出整个图像的背景值。

2.3.2 平均值法

平均值法的原理是在连续n个图像帧上统计出某一像素点的灰度值，然后求和取平均，该像素点的背景值就是该平均值。

2.3.3 单分布高斯背景模型

如果背景有时间梯度，每一个梯度间差别不大，可以考虑对参考帧的每一个像素进行高斯模型建模，即每一像素点都认为服从均值μ和标准方差σ的分布，且每个点是一个独立的高斯分布。

2.3.4 混合分布高斯背景模型：

单分布高斯背景模型对视频图像中的像素点只用一个高斯分布描述，混合分布高斯模型对视频图像中的像素点采用多个高斯分布来描述[5]，选择最接近与背景分布的那一个像素点作为背景像素点，不符合背景分布的像素点认为是前景像素点。