简要原理：
对一个视频序列帧中的每一个像素，建立一个混合高斯模型，这个模型中权重大的代表背景，权重小的代表前景。新来的像素如果能匹配上背景对应的高斯模型，那么新来的像素就被当成背景。如果匹配的是权重较小的高斯模型，或者没有匹配的高斯模型，那么这个像素被当成前景。
算法流程：
1 前提：视频序列的每一个像素，都训练好了一个混合高斯模型（一组高斯模型的和）。
2 对于新的一个视频帧中的一个像素点，将它与混合高斯模型进行匹配，如果有匹配成功的高斯模型，则按下面的公式改变权值。其中alpha为权重的学习速率，rho是均值与方差的更新公式，下面的公式公供参考。如果没有与之匹配的模型，那么把排序最后的一个高斯模型删了，换成这个当前像素对应的高斯模型。
3 对新模型，将权重归一化后，再按权重排序。选 出权重之和大于一个阈值的一组模型作为背景，如果新像素所在的模型在背景这一组，那么新像素就是背景像素，如果不在背景这一组，那么新像素就是前景。
实验效果：
程序是OPENCV中自带的算法：
原文地址：http://blog.csdn.net/d14665/article/details/42678581
