基于像素的自适应分割器（PBAS）是用于更改检测的经典背景建模算法。但是，PBAS方法很难检测动态背景区域中的前景目标。为了解决这个问题，本文提出了一种基于PBAS的加权加权自适应分割器WePBAS，用于变化检测。 WePBAS使用加权背景样本作为背景模型。在PBAS方法中，不对背景模型中的样本进行加权。在加权背景样本集中，低权重背景样本通常表示错误的背景像素，需要替换。相反，需要保留高权重的背景样本。根据这一原理，提出了一种定向背景模型更新机制，以提高动态背景区域中前景目标的分割性能。另外，由于采用了“背景扩散”机制，PBAS方法通常将小的间歇运动前景目标识别为背景。为解决此问题，在WePBAS中添加了自适应前景计数器，以限制“背景扩散”机制。自适应前景计数器可以根据视频的特征自动调整其自身的参数。实验表明，该方法与最新的背景变化检测方法相比具有竞争优势。
