运动目标检测是计算机视觉领域中的一个重要内容，其检测效果将会对目标跟踪与识别造成一定的影响。
1 混合高斯背景模型
在混合高斯模型中，对图像中每一个像素点建立K个高斯模型，对于t 时刻像素点X的概率密度函数如下所示。
2 背景的选取
首先，按权值和标准差的比值将每个像素点的K个高斯分布由大到小进行排序，则描述背景可能性越大的分布越靠前，描述背景可能性越小的分布越靠后。因此，选择前B个分布作为背景像素模型，如公式（3）所示。式中，H通常取最佳经验阈值0.75。
3 参数的更新及前景目标的提取
对获取的当前帧的各个像素值分别与已经存在K个高斯分布进行匹配，如果满足（4）式，则该像素值与高斯分布匹配成功，则对于第一个相匹配的高斯分布的参数进行更新，如下公式(5)、(6)、(7)和(8)，对于不匹配的K-1个高斯分布的权值衰减处理，如公式（9）所示。如果不满足（4）式，则匹配不成功。
其中，为学习率，是决定着背景更新速度的重要参数，
越小，则更新的速度越慢，反之，则越快。
为权值更新率。如果获取的当前帧的像素点与K个高斯分布都匹配不成功，则用一个新的高斯分布代替权值最小的高斯分布，新的高斯分布以当前的像素值为均值，并且初始化一个较大的方差和一个较低的权值。 当前帧的像素值与B个高斯模型都不匹配，则判定该像素点为前景点，否则为背景点。
