درک فعالیت اشیاء متحرک در صحنه های مختلف از زنجیره تصاویر ویدئویی، یک مساله بسیار مهم و پرکاربرد می باشد. کاربردهای نظارتی از جمله مهم ترین و پرچالش ترین کاربردهای آشکارسازی و ردیابی ویدئویی محسوب می شوند. وجود سایه، تغییرات شدت روشنایی، همپوشانی اشیا مختلف، وجود لرزش در دوربین و...از جمله چالش های مطرح در فرآیند آشکارسازی و ردیابی اشیاء متحرک است. الگوریتم های تشخیص و جداسازی اشیاء متحرک هر کدام در مقابله با برخی از چالش های موجود توانمند ظاهر می شوند. در این پایان نامه با به کارگیری روش (gmm) که یکی از بهترین الگوریتم ها برای مدل کردن زمینه های چند حالته است و استفاده از الگوریتم حذف تطبیقی نویز (anc) و ترکیب آن با الگوریتم بیزین، یک الگوریتم ترکیبی بهینه و قابل استفاده در کاربردهای نظارتی ارائه خواهد شد. در این روش پیکسل های مربوط به پیش زمینه و پس زمینه با استفاده از یک فیلتر تطبیق پذیر و استفاده از الگوریتم (lms) از یکدیگر متمایز می شوند. اگرچه این روش در مقایسه با دیگر روش از حجم محاسبات بیشتری برخوردار است اما نتایج اولیه شبیه سازی حاکی از بالا رفتن قابل ملاحظه کیفیت آشکارسازی و توانایی بالای الگوریتم در حذف نویز، سایه، حرکات تکرارشونده و تغییرات شدت روشنایی است که قابلیت گسترش این ایده را برای استفاده در سیستم های آشکارسازی نشان می دهد.