传统的人机交互界面是基于机械装置的,如键盘、鼠标、操纵杆和游戏手柄等。近年来基于计算机视觉的方法越来越受推崇,它能够以一种自然的方式识别人的手势,让用户体验自然、无阻碍的人机交互。在手势识别应用中,视频处理的第一步就是从视频图像序列中分离出所要观察的目标,即背景建模与前景目标提取。背景建模的准确与否,直接关系到最终提取结果的准确性,因此,研究出好的背景建模方法是非常重要的。本文在基于手势交互应用的背景下,研究了视频处理中背景建模与前景目标提取方法。首先分析了国内外背景建模及模型更新的各种算法,由此重点研究了混合高斯背景建模和随机逼近背景建模算法,并对上述两种算法做了相应的改进。传统的混合高斯背景建模算法对图像中的各个像素点采用固定个数的高斯分布,但在实际应用中这并不是最优模型,因为其像素分布的多模性是随着时间与空间变化的。本文采用自适应更新高斯分布个数的方法,在判定前景与背景时给定一个时间阈值,在这段时间内始终符合高斯分布的像素点才归为背景区域,此方法能有效克服场景中噪声的影响。实验仿真结果表明,该算法在背景中有扰动及缓慢光照变化情况下能够较好地进行背景建模。随机逼近背景建模是基于Robbins-Monro的随机逼近算法的方法,模型中对背景和前景分别采用高斯分布和均匀分布表示,通过对分布参数的估计实现模型的更新。本文在建模过程中主要考虑了对背景突变的适应性,基于同一测试视频,与混合高斯算法进行对比实验,结果表明随机逼近算法的背景提取效果要优于混合高斯算法,该算法在复杂场景中也能够较好地提取出目标,并且能够抑制阴影的影响。本文基于视频背景建模工作为后续的手势目标的跟踪、识别及分析奠定了良好的基础,有助于手势交互的智能系统应用。