人体运动图像的背景分割是人体运动分析过程中的第一个步骤,是人体运动分析的低级处理部分。该阶段的处理效果直接影响到后续工作的进展,其分割结果对最终的人体运动分析结果影响极大。人体运动图像的背景分割研究的一个重要目标就是赋予计算机以类似于人的视觉感知能力,使计算机能够感受视野内的人体运动目标,使计算机更容易理解感受人的运动行为。本文主要对人体运动图像的背景分割方法进行研究,在讨论了国内外研究现状的基础上本文主要完成了以下几项任务:1、研究人体运动图像的背景分割的经典理论和方法,对比其性能上的优势和不足。其中本文主要研究的经典算法主要包括帧间差分法、背景差分法、在线单高斯背景模型法和混合高斯模型法。文中详细叙述了这些算法的基本思想和实现原理及步骤,并在文中给出了各种方法的实验数据。2、分析复杂的冰场环境下的人体运动图像的背景分割的特点。冰场环境下同其他场景下的人体运动图像的背景分割不同的原因主要是由冰面对光的反射的敏感性造成的。其中典型的制约分割效果的特征区域有阴影、倒影及强反光。3、在经典理论基础上,改进现有算法使其可以有效的适合这种复杂的场景下人体运动图像的背景分割算法。首先采用混合高斯模型建立背景建模,再引入亮度偏差、色度偏差对像素点分类。使算法能够抑制阴影、倒影及强反光。4、利用图像匹配解决由摄像机轻微抖动所带来的背景场景变化的问题。通过Harris角点检测和特征点匹配,来验证背景场景是否变化。若发生变化则重新初始化模型,减小系统开销,增强系统的健壮性。实验表明,该算法处理效果较好,并能很好的抑制强反光,阴影及倒影,适用于冰场这种复杂的特殊场境。