准确的背景模型是目标提取与跟踪的重要基础。针对复杂场景中出现的局部拟周期变化的晃动目标，在多高斯背景模型基础上，提出一种拟周期背景算法(QPBA)，用以抑制晃动目标，建立准确而稳定的背景模型。具体过程是：根据多高斯背景模型建立场景目标分类模型，分析晃动目标对高斯模型各参数产生的影响；以颜色分布值为样本建立高斯模型保留晃动所在像元，并以出现频次、时间间隔为权重因子，使晃动像元中的晃动模型融入背景模型。将拟周期背景算法与高斯混合模型(GMM)、背景建模算法(ViBe)、CodeBook等典型背景建模算法进行比较，通过定性、定量与效率三个方面的评估结果表明：拟周期背景算法对晃动目标抑制作用明显，误检率小于1%，可以很好地应对场景中晃动目标干扰；同时正检个数与其他算法保持一致，能够完整地保留运动目标；算法效率高，解算时间与CodeBook算法近似，满足实时性的计算要求。
