آشکارسازی اشیا متحرک موجود در فریم¬های ضبط شده در یک دنباله¬ی ویدئویی، مرحله¬ای مهم و اساسی در بسیاری از کاربردهای نظارت ویدئویی می¬باشد. یک سیستم آشکارساز شی متحرک، به¬منظور دست¬یابی به روشی مقاوم برای آشکارسازی اجسام در فریم¬های ویدئو، نیاز به تخمین دقیق و قابل اعتماد پس¬زمینه و کاستن آن از تصویر دارد. چالش¬های متعددی در الگوریتم¬های کاستن پس¬زمینه و مدل¬سازی آن وجود دارد. اولا روش¬های انتخابی بایستی در مقابل تغییرات روشنایی مقاوم باشند. دوم این¬که الگوریتم باید از آشکارسازی پس-زمینه¬های غیر ساکن مانند شاخ و برگ متحرک درختان، باران و آب مواج و همچنین سایه¬های تولید شده توسط اشیا مسدود کننده¬ی نور خورشید یا منبع روشنایی جلوگیری نماید. برای این منظور سه رویکرد انتخاب مناسب فرآیند مدل¬سازی، انتخاب بهینه¬ی ویژگی و بهره¬گیری از پردازش¬های اضافی به¬کار گرفته شده است. هدف از این پژوهش، بهبود مدل¬سازی پس¬زمینه به-منظور آشکارسازی اشیا پیش¬زمینه است. برای دست¬یابی به این هدف با توجه به رویکردهای فوق، پنج محور بهبود الگوریتم گوسی مرکب با استفاده از اطلاعات بافت تصویر، بهبود عملکرد الگوریتم مبتنی بر بافت به کمک توصیف بهینه¬ی بافت تصویر، و همچنین استفاده از تکنیک حذف سایه در این الگوریتم، ارائه¬ی یک روش فازی مبتنی بر بافت و رنگ و ارائه¬ی روشی غیر پارامتری مبتنی بر تخمین تابع چگالی احتمال هر پیکسل مورد توجه قرار گرفته است. در نهایت خروجی هر الگوریتم با استفاده از معیارهای معروف در روش کاستن پس¬زمینه سنجیده شد که نشان از کارآیی و دقت روش¬های پیشنهادی دارد.