با توجه به اهمیت و کاربرد روزافزون تشخیص و ردیابی اشیای متحرک در دنباله تصاویر ویدئویی به ویژه در کاربردهای مراقبتی و امنیتی، نیاز به سیستم های خودکار بلادرنگ بیش از پیش احساس می شود. در این پایان نامه ابتدا الگوریتم های تشخیص و آشکارسازی اشیای متحرک با تاکید بر کاربردهای مراقبتی مورد بررسی و تحلیل قرار گرفته است. سپس با به کارگیری یکی از روش های حذف پس زمینه برپایه پیکسل به نام vibe، که از همسایگی در فضای رنگ استفاده می کند؛ و ترکیب آن با تفاضل فریم های متوالی، یک الگوریتم ترکیبی و قابل استفاده در کاربردهای نظارتی ارائه شده است. در الگوریتم پیشنهادی برای هر پیکسل، n مقدار تفاضلی به عنوان مدل پس زمینه ذخیره می شود که این مقادیر، از تفاضل n فریم متوالی با فریم اولیه به دست می آید. با مقایسه مقادیر موجود در مدل، با مقادیر به دست آمده از تفاضل فریم جدید با یکی از n فریم اولیه که به صورت اتفاقی انتخاب می شود، تعیین می شود که آیا یک پیکسل متعلق به پیش زمینه است یا پس زمینه. اگر یک پیکسل به عنوان پس زمینه مشخص شود، از مقدار تفاضلی آن برای جایگزینی با یکی از نمونه های موجود در مدل که به صورت اتفاقی انتخاب می شود، استفاده می شود. برای به روزرسانی مدل پس زمینه تنها از مقادیر تفاضلی پیکسل هایی استفاده می شود که به عنوان پس زمینه دسته بندی شده اند. الگوریتم پیشنهادی، بر خلاف آنچه که از روش های مبتنی بر تفاضل فریم انتظار می رود، نسبت به تغییرات تکرارشونده پس زمینه و نیز نسبت به تصاویری که دوربین لرزش داشته است، حساسیت کمی از خود نشان می دهد. نتایج شبیه سازی نشان از این دارد که روش پیشنهادی در مقایسه با روش های دیگر، عملکرد بسیار خوبی از نظر دقت آشکارسازی دارد، به طوریکه میانگین دو پارامتر ارزیابی f-measure و recall روش پیشنهادی برای تمام ویدئوها، به ترتیب برابر 0.7227 و 0.7393 می باشد و از دیگر الگوریتم ها بهتر می باشد. با توجه به حجم کم محاسبات، می توان با گسترش این روش، در کاربردهای بلادرنگ سیستم های آشکارسازی از آن استفاده کرد.