计算机视觉通常是指计算机通过控制和应用传感器等设备对周围的环境进行获取的过程，然后对获取的视觉信息进行后期加工，包括表示、压缩、分析、处理、储存等，进而实现人类视觉所具有的“看”的功能。近年来计算机技术、光电技术和自动化技术的飞速发展，促成了计算机视觉系统的出现，同时随着人类生产生活需求的不断提高，视觉化、智能化的解决方案也越来越广泛的应用于工业生产、医疗和军事等领域，计算机视觉技术已经成为各国研究者关注和研究的热点。对计算机视觉系统的研究无论是在理论研究还是实际应用方面都有巨大的价值和意义。

基于卡尔曼滤波的背景差分算法存在背景更新不自适应，对光照变化、物体移入移出敏感等问题。提出了一种改进的以分类分块为核心的背景差分算法。首先，将前N帧视频序列图像求取均值得到初始背景模型；将第K帧图像与背景图像进行差分得到差分图像，再按照均值和标准差进行两次分类分块，分出前景块和背景块；在单个像素基础上对前景块进行背景细分割，确定运动目标区域；依据相邻两帧之间的灰度信息完成背景自适应更新。实验证明，本文算法能有效克服外界光线缓慢变化和背景中物体的轻微移动等问题。该算法具有较好的稳健性、相对较快的运