智能视频监控领域中，基于序列图像运动目标检测是重要技术手段，而背景建模是实现运动目标检测的关键，背景与前景的有效分割对后续的目标跟踪、物体识别、行为分类等高层处理起着决定性的影响。这也是《基于图像处理技术的高速公路交通流异常情况告警系统研究》、《基于视觉传感网络的高速公路灾害天气及应急预警决策辅助综合系统》等省级项目中，需要重点解决的难题。　　 复杂背景建模涉及计算机视觉、模式识别、数据挖掘、机器学习等理论知识的交叉融合。目前，国内外诸多高校和科研机构进行背景建模算法的相关研究，但大都针对某些具体应用环境，通用性不够，也有些实时性不好。为此，论文提出充分利用时域和空域信息，构建一种新的纹理描述算子，并以纹理直方图背景建模，考虑到算法实现复杂，进而提出CPU+GPU的复合运算方式，于CUDA平台上实现快速运算。　　 论文主要工作包括：分析了复杂场景分类等难点，描述了背景模型的鲁棒性需求；结合实际应用，对三种经典背景建模算法提出了改进；结合常见纹理算子，提出了基于ST-CSLBP(Spatial Temporal Center-Symmetric Local Binary Pattern)纹理直方图的混合时空背景建模算法；结合CPU+GPU系统架构设计，提出了CUDA平台上快速纹理背景建模的实现。　　 经对多种视频序列测试：在检测准确率、检索率均优于传统算法，经CUDA实现算法快速，同分辨率的加速比达到20-40x，实时性得到了很大提高。　　 论文研究成果已成功应用于包括沪宁的高速路网视频预警综合系统。　　 论文主要创新点：　　 ·提出时空-对称LBP纹理算子，更加准确地描述了局部纹理特征并提高了算子的抗噪能力；　　 ·提出了基于ST-CSLBP纹理直方图的混合时空背景建模算法，设计了混合模型的融合准则，实验表明该算法取得了良好的检测效果；　　 ·给出CPU+GPU系统架构的快速纹理背景建模实现，并采用共享内存与多点访问技术，降低算法复杂度；　　 ·优化仅侧重检测准确率的评价标准，给出了索引率和准确率相结合的评判标准。