Los métodos de sustracción de fondo basados en modelo con una única característica como la intensidad del píxel, suelen fallar en la clasi ficación de escenas complejas. En este trabajo se propone ampliar los descriptores del modelo de fondo para considerar otras característica como la textura, la distribución de intensidades, escala de grises, color, y de esta manera mejorar la clasifi cación de cada píxel. Para clasi ficar además se tiene en cuenta la característica principal y secundaria en cada región de imágenes tomadas con c amaras estáticas. En particular para la textura, se utilizó una modi ficación del descriptor simple y tradicional Local Binary Pattern (LBP) que resulta invariante a los cambios de tonalidades en escala de grises, y la rotación. Los descriptores fueron incorporados al algoritmo de sustracción de fondo Visual Background Extraction (ViBE), que identifi ca zonas de movimiento en las escenas, comparando distintas características del modelo de fondo. El algoritmo propuesto se puede aplicar para detectar personas o vehículos en aplicaciones para seguridad ciudadana, monitoreo de tráfi co, entre otros. Los resultados preliminares obtenidos en la detección de objetos muestran que es factible utilizar varios descriptores del modelo de fondo para lograr mejorar la tasa de acierto y con bajo costo computacional, con la consiguiente ventaja para etapas de procesamiento posteriores, como el reconocimiento y el seguimiento de los objetos.