随着科技的进步,计算机视觉在众多领域的应用也得以飞速发展,而前景检测作为解决众多计算机视觉问题的基础与前提,一直是研究的热点。前景检测是通过一定的技术将图像或视频中人们感兴趣的区域或者运动目标作为前景从背景中提取出来。随着前景检测的应用范围越来越广,固定摄像机已不能满足所有场景,由于移动拍摄设备的日渐普及,移动摄像机在前景检测中的应用也越来越广泛。Vibe算法是前景检测领域中常用的检测算法之一,它有计算量小,具有良好的实时性等诸多优点。但是当Vibe算法应用于移动摄像机拍摄下的场景时会出现一些问题,例如背景模型更新机制不能适应于实时场景等。为了解决这些问题,本文提出了一种RGB-D Vibe算法,该算法从背景建模、像素分类和背景模型更新三个部分对Vibe算法进行改进。与Vibe算法利用彩色信息提取前景相比,RGB-D Vibe算法不仅利用了彩色信息还利用了深度信息。其中,深度信息由RGB-D摄像机Kinect采集的深度图像获得。经实验验证,RGB-D Vibe算法能够在动态背景下有效地检测到运动物体(前景)。针对前景伪装的问题,本文提出基于深度边缘的前景检测方法。该方法基于前景外部轮廓中的点为前景点的假设,利用深度边缘检测方法提取前景。将RGB-D Vibe算法与基于深度边缘的前景检测方法相结合,提出RGB-D Vibe与深度边缘提取相结合的前景检测策略。该策略利用彩色信息、深度信息、角度信息和边缘信息检测前景。多种信息相辅相成,使RGB-D Vibe与深度边缘提取相结合的前景检测策略适应于更多场景。本文采用Visual C++编程实现RGB-D Vibe与深度边缘提取相结合的前景检测策略。通过公共数据集与自生成数据集对该策略进行实验验证,并与RGB-D Vibe算法进行对比。实验结果表明RGB-D Vibe与深度边缘提取相结合的前景检测策略能够有效地在移动摄像机拍摄的场景下检测到前景,且较之RGB-DVibe算法,RGB-D Vibe与深度边缘提取相结合的前景检测策略在召回率等实验指标上均有大幅提高。