參考文獻 Adaptive Background Mixture Models for Real-Time Tracking CVPR 1999
假設前提像素點在時間軸上呈現高斯模型的概率模型
混合高斯模型使用3~5個高斯模型來表征圖像中各個像素點的特征，在新一幀圖像獲得后更新混合高斯模型．
用當前圖像中的每個像素點與混合高斯模型匹配，如果成功則判定該點為背景點，否則為前景點．
混合高斯模型根據不同的匹配情況，選擇相應的更新策略．主要有兩個學習因子，用於均值和方差更新學習．
改進方法：
1)采取不同的學習機制，更新方差和均值；
2)根據背景的復雜情況自適應調整K的大小，從而減少計算的復雜度;
3)選擇其他特征建立混合高斯模型，像紋理特征，紋理和顏色特征的結保等．
主要優點：可以適應光照漸變對背景的影響
主要缺點：計算復雜度高，其次對於樹葉，攝像頭抖動帶來的誤檢無法避免，當前景與背景顏色相似時，會將前景錯誤的處理為背景
更新公式如下：
具體代碼實現，可參考Opencv里的實現，bgfg_gaussmix.cpp
——