python+opencv 混合高斯模型进行背景建模提取前景的代码实现 有效果视频和详细代码

混合高斯模型的基本原理：

图像运动估计是计算机视觉中重要的部分，如何准确的在背景中提取出我们想要的目标是识别的关键。
运动物体的检测分为两种情况：第一种是摄像头静止，目标在运动，背景也相对静止。例如大部分的固定摄像头拍摄到的画面；第二种是摄像头运动，目标静止或者运动，这种情况比较复杂。例如航拍画面，人拿着摄像机录像等。

第一种情况，由于摄像头静止，所以背景相对来说是不变的，那么如果目标在运动，将某一帧图像减去背景图像，理论上来说就可以得到前景图像了。但是由于光线或者其他原因，背景中每个像素点的灰度值并不是固定不变的，它会随着环境变换而变化，但是背景的像素灰度值变换是具有一定规律的，如下图所示：

将图像中的某一像素点提取出来，其灰度值变换如上图所示，将其迭代起来，会符合高斯分布。

如果某一像素值 I（x,y,t)-u > 3o 则认为前景，否则认为是背景

但是，由于环境或者变化的光线影响，像素的变化规律不一定只符合一种高斯函数，可能是多个高斯函数的叠加，于是有了混合高斯模型的概念。
任何一种分布函数都可以看做是多个高斯分布的组合：