1. Single Gaussian (單高斯模型)
Real-time tracking of the human body
2. 混合高斯模型（Mixture of Gaussian Model）
An improved adaptive background mixture model for real-time tracking with shadow detection
3. 滑動高斯平均（Running Gaussian average）---Single Gaussian
Real-time tracking of the human body
4. 碼本 (CodeBook)
Real-time foreground–background segmentation using codebook model
Real-time foreground-background segmentation using a modified codebook model
5. 自組織背景檢測( SOBS-Self-organization background subtraction)
A self-Organizing approach to background subtraction for+visual surveillance
6. 樣本一致性背景建模算法 (SACON)
A consensus-based method for tracking
A consensus-based method for tracking-Modelling background scenario and foreground appearance
SACON-Background subtraction based on a robust consensus method
7. VIBE算法
vibe
ViBe-A Universal Background Subtraction
8. 基於顏色信息的背景建模方法（Color)
A statistical approach for real-time robust background subtraction and shadow detection
9. 統計平均法
10. 中值濾波法( Temporal Median filter)
Automatic congestion detection system for underground platform
Detecting moving objects,ghost,and shadows in video streams
11. W4方法
W4.pdf
12. 本徵背景法
A Bayesian computer vision system for modeling human interactions
13. 核密度估計方法
Non-parametric model for background subtraction
對於單高斯和混合高斯估計大家都熟悉，這裏不再累述（混合高斯在現有的背景建模算法中應該算是比較好的，很多新的算法或改進的算法都是基於它的一些原理的不同變體，但混合高斯算法的缺點是計算量相對比較大，速度偏慢，對光照敏感）；對與Codebook算法，曾經做過實驗，效果還可以，後來也有多種變體，沒有進一步的進行研究，但算法對光照也敏感）；對於自組織背景建模算法即SOBS算法，該算法對光照有一定的魯棒性，但MAP的模型比輸入圖片大，計算量比較大，但是可以通過並行處理來解決算法的速度問題，可以進行嘗試；SACON算法是基於統計的知識，代碼實現過，並做過實驗，效果還可以，但沒有進一步的分析；VIBE算法是B哥的一個大作，網上有現成的算法可用，但已申請了專利，用於做研究還是可以的，該算法速度非常快，計算量比較小，而且對噪聲有一定的魯棒性，檢測效果不錯；基於顏色信息的背景建模方法,簡稱Color算法，該算法將像素點的差異分解成Chromaticity差異和Brightness差異，對光照具有很強的魯棒性，並有比較好的效果，計算速度也比較快，基本可以滿足實時性的要求，做了許多視頻序列的檢測，效果比較理想；統計平均法和中值濾波法，對於這兩個算法，只對統計平均法做了實現，並進行了測試，算法的應用具有很大的侷限性，只能算是理論上的一個補充；W4算法應該是最早被用於實際應用的一個算法，這個大家可以去查看相關的資料，這裏不再細說；本徵背景法沒實現過，看很多文獻有講解，然後該算法又是基於貝葉斯框架，本人一直對貝葉斯框架不感冒，理論上很Perfect，實際應用就是Shit（無意冒犯貝氏粉絲，如有冒犯，請繞路，勿吐口水）；最後就是核密度估計算法，該算法應該是一個比較魯棒的算法，可以解決很多算法參數設置方面的問題，無需設置參數應該是算法的一大優勢。
個人觀點：SOBS、Color、VIBE、SACON、PDF等可以進行深入的瞭解，特別是近年來出現的Block-based或Region-Based、Features-Based、基於層次分類或層次訓練器的算法可以進行深入的研究。
推薦一篇綜述文章：Evaluation of Background Subtraction Techniques for Video Surveillance
再推薦一個網站：http://www.changedetection.net/