- 针对的对象：背景图像中有物体的运动状态发生改变（一般是速度突变，比如从静止到运动，使得背景变化较大），改进算法前后对比背景图像的更新速度问题。
- 文献举例：比如在文献1中P37图3.5（a）中背景图像黑车从驶入（第1、2、3图）到驶出（第4张图背景中没有黑车了）；3.5（b）中只用混合高斯模型算法，更新效果慢，导致第4张图中仍然还有黑车，所以差分图（c）中第4张图中有黑车的检测结果。
3、要求和结果：对比改进前后的算法，可以非常明显地看出改进前后更新背景速度的变化，效果要类似文献1中所给出的结果。
目标跟踪：在上面基础上，通过改进传统Mean Shift算法的内核与参数，对比算法改进前后在遮挡问题上的效果
- 针对的对象：解决前景运动目标在“被遮挡后”至“显露出来”这段时间无法跟踪到的问题
- 文献参考：文献1中P53中，目标车辆被遮挡后（第48帧）到显露出来（第65帧）之间，传统meanshift算法无法跟踪。改进后的算法可以跟踪。
- 要求与结果：对比改进前后的算法，可以非常明显地看出改进前后对遮挡问题的效果，效果要类似文献1中所给出的结果。
- 一、单独的混合高斯模型算法进行目标的检测main1（对比视频：背景更新.AVI）
- 二、混合高斯模型与帧差法结合的算法main2（对比视频：背景更新.AVI）
三、在二的基础上，传统Mean Shift算法，遮挡问题main3（对比视频：遮挡问题.AVI）- 当出现遮挡的时候，则会跟踪失败，如下所示：
- 由此可见，传统的MS算法，在遮挡之后重新出现，会无法重新进行跟踪。
四、在二的基础上，改进传统Mean Shift算法，遮挡问题main4（对比视频：遮挡问题.AVI） - 五、混合高斯模型，光照突变下的目标检测main5（对比视频：光照突变.AVI）
- 显然，高斯混合模型在光照快速突变的情况下，检测效果较差。
六、BSBC，光照突变下的目标检测main6（对比视频：光照突变.AVI）
开灯前 - 开灯后（第400.401.402,403帧）
- 从仿真结果可以看到，当光线细微变化的时候，系统正常工作，不会出现高斯模型下的大面积干扰，但是当光线突变的时候，检测目标会受到瞬间干扰影响。
最后几帧，是突然开灯，检测完全失败。
