l)光照的变化：连续的光照变化，通常是户外环境；突然的光照变化，通常是室内环境中的开关灯或室外晴天出现如乌云等情况；投影到背景中的阴影或前景目标自身的阴影。
2)背景的扰动：包括全局的运动变化，如室外摄像头受风吹而抖动；局部运动的变化，如室外随风吹动的树枝。
3)视频运动目标引起的背景变化：人将东西带入或带出背景，汽车驶入或驶出背景，或者人或物在场景中停留一会又运动的情况。

2．2  基于积累差异的背景建模
2.2.1  积累差异
    考虑一个M帧视频序列{f(x,y,t1)，f(x,y,t2)，...，f(x,y,tM)}，若设f(x,y,t1)为基准图像，则一幅积累差异图像(ADI:Acculnulative Difference Image)是由将基准图像和视频序列后续图像进行对比得到的。当基准图像和序列中图像之间在某个像素位置上出现一次差异就令计数器计数一次，计数器在积累差异图像的每个像素位置上都有一个。因此，当第k帧图像f(x,y,tk)与基准图像相比较时，积累差异图像中一个给定像素的输入项给出在此位置上对应的像素与基准图像中同一位置像素间灰度级变化的次数[5]。本文提出了一种静态场景下基于积累差异的背景建模方法。
2.2.2  积累差异背景建模
    设某一灰度视频序列{f(x,y,t1)，f(x,y,t2)，...，f(x,y,tk)}，其中f(x,y,tk)为当前帧，设第k-r帧图像f(x,y,tk-r)为求取积累差异图像的参考帧，记f(x,y,tk)与f(x,y,tk-r)的差异图像为F(x,y, )，则积累差异动态矩阵D(x,y,tk)可表示为：
    
    式(2.4)表示当某像素位置上出现的帧间差异较小时，使计数器加1，否则D(x，y，tk)赋值为0，表示帧间差异较大。 记录每个像素积累差异的记忆深度。矩阵D(x，y，tk)相当于对每个像素点的运动历史进行记录，而且处于实时更新状态。若D(x，y，tk)为0，说明该元素所对应的位置为运动点；当D(x，y，tk)元素值达到 时，则说明该位置元素的灰度状态在；帧间隔内基本变化不大，当前位置的像素值可用于背景更新。D(x，y，tk)标识了某一像素位置处背景信息是否存在。记当前的背景模型为B(x，y，tk)，则当D(x，y，tk)= 时，背景可根据式(2.5)进行更新[5]。
                     (2.5)
    其中，系数 影响着背景缓存平滑滤波的程度及更新的速度， 取值区间为[0，l]。根据经验 取值在[0.05，0.1]区间时背景更新效果较好，B(x，y，tk-1)为前一时刻的背景模型。
   根据背景差法可以快速区分运动目标和背景区域的原理，将当前帧f(x，y，tk)与当前更新所得的背景B(x,y,tk)取差得背景差图，记为Bd(x,y,tk), Bd(x,y,tk)表示为：
                             (2.6)
在背景差图像的基础上再结合后处理算法，即可提取出视频运动目标。
2.3  Otsu自适应阈值化及目标轮廓提取
2.3.1  Otsu阈值化算法
    对背景差图像采用适当的自适应阈值化算法，即可快速地检测出视频运动目标。本文采用基于最大类间方差的阈值化方法。该阈值化方法又叫大津法,通常称为Otsu法，是由日本学者大津于 1979年提出的一种自适应确定阈值的方法。Otsu法根据图像的灰度特性，将图像分成前景和背景两部分。前景和背景之间的类间方差越大，说明构成图像的两部分差别越大，当部分前景错分为背景或部分背景错分为前景时都会导致两部分差别变小，因此，使类间方差最大的分类意着错分概率最小。现将Otsu法解释如下： Matlab视频中的运动目标检测方法研究(4):http://www.youerw.com/tongxin/lunwen_4933.html