영상에서 움직이는 객체를 추출하기 위해 가우시언 혼합 모델(GMM: Gaussian Mixture Model)을 사용하여 배경과 객체를 분리하는 방법이 널리 사용되고 있다. 가우시언 혼합 모델은 조명 변화, 배경에서의 작은 움직임과 같은 외부 환경의 변화에도 강인하다. 그러나 계산량이 많기 때문에, 검출된 객체를 추적하거나 인식을 하기 위한 알고리즘과 병행되어 사용될 경우, 실시간 처리에 부족함이 있다. 본 논문에서는 가우시언 혼합 모델에서 사용된 가우시언 확률 분포 대신 베르누이 확률 분포를 사용하여 배경을 모델링 하는 기법을 제안한다. 베르누이 확률 분포는 가우시언 확률 분포에 비해 추정해야 될 파라미터의 개수가 적고, 확률 분포식이 간결하여 적은 계산량을 요구한다. 제안하는 방법과 가우시언 혼합 모델의 수행 시간 및 성능을 비교 실험하였으며, 실험 결과 제안하는 알고리즘이 가우시언 혼합 모델에 비해 평균적으로 0.0115초 빠른 처리 속도를 보였다.To extract moving objects in the image sequence, the Gaussian mixture model(GMM) which segments the background and the foreground has been mainly used. GMM is the robust technique in the changes of the external environment, such as lighting changes and effects of moving components of the scene. But It has shortcomings in real-time processing due to the computational complexity when the tracking algorithm or the recognition algorithm is processed together. In this paper, we propose the background modeling technique which is composed of the Bernoulli probability distributions instead of the Gaussian probability distributions. Bernoulli distribution has less parameters than Gaussian distribution, and its distribution equations are simple. Processing time and performance between the proposed method and GMM are evaluated. Through experimental results, the proposed algorithm presents the reduced processing time about 0.0115 second for each frame in comparison with the GMM.