簡要原理：
對一個視頻序列幀中的每一個像素，建立一個混合高斯模型，這個模型中權重大的代表背景，權重小的代表前景。新來的像素如果能匹配上背景對應的高斯模型，那麼新來的像素就被當成背景。如果匹配的是權重較小的高斯模型，或者沒有匹配的高斯模型，那麼這個像素被當成前景。
算法流程：
1 前提：視頻序列的每一個像素，都訓練好了一個混合高斯模型（一組高斯模型的和）。
2 對於新的一個視頻幀中的一個像素點，將它與混合高斯模型進行匹配，如果有匹配成功的高斯模型，則按下面的公式改變權值。其中alpha爲權重的學習速率，rho是均值與方差的更新公式，下面的公式公供參考。如果沒有與之匹配的模型，那麼把排序最後的一個高斯模型刪了，換成這個當前像素對應的高斯模型。
3 對新模型，將權重歸一化後，再按權重排序。選 出權重之和大於一個閾值的一組模型作爲背景，如果新像素所在的模型在背景這一組，那麼新像素就是背景像素，如果不在背景這一組，那麼新像素就是前景。
實驗效果：
程序是OPENCV中自帶的算法：
