Se propone un método mejorado llamado FreeViBe+ para la segmentación de objetivos en movimiento en este documento, abordando las limitaciones del algoritmo ViBe, como el efecto fantasma, las sombras y los huecos. Para eliminar los fantasmas, se introduce un modelado de fondo de múltiples fotogramas. Las sombras se detectan y eliminan en función de sus características en el espacio de color HSV, mientras que los huecos se rellenan fusionando los resultados de segmentación de GrabCut con la salida de extracción de ViBe. Además, se ajusta la medida de estructura para optimizar la fusión de imágenes, lo que permite una mejor separación entre el primer plano y el fondo. Experimentos exhaustivos en los conjuntos de datos UCF101 y Weizmann demuestran la efectividad de FreeViBe+ en comparación con los métodos de Diferencia Finita, Modelo de Mezcla Gaussiana y ViBe. Los estudios de ablación confirman las contribuciones individuales del modelado de múltiples fotogramas, la eliminación de sombras y el refinamiento de GrabCut, mientras que el análisis de sensibilidad verifica la robustez de los parámetros clave. Las evaluaciones cuantitativas muestran que FreeViBe+ logra un rendimiento superior en precisión, recuperación y medida F en comparación con los enfoques existentes.