运动检测的一般方法
目前，运动物体检测的问题主要分为两类，摄像机固定和摄像机运动。对于摄像机运动的运动物体检测问题，比较著名的解决方案是光流法，通过求解偏微分方程求的图像序列的光流场，从而预测摄像机的运动状态。对于摄像机固定的情形，当然也可以用光流法，但是由于光流法的复杂性，往往难以实时的计算，所以我采用高斯背景模型。因为，在摄像机固定的情况下，背景的变化是缓慢的，而且大都是光照，风等等的影响，通过对背景建模，对一幅给定图像分离前景和背景，一般来说，前景就是运动物体，从而达到运动物体检测的目的。
单分布高斯背景模型
单分布高斯背景模型认为，对一个背景图像，特定像素(某个像素)亮度的分布满足高斯分布，即对背景图像B，(x,y)点的亮度满足：
IB(x,y) ~ N(u,d)
这样我们的背景模型的每个象素属性包括两个参数：平均值u 和 方差d。
对于一幅给定的图像G，如果 Exp ( -(IG(x,y)-u(x,y))^2 / (2*d^2) ) > T，认为(x,y)是背景点，反之是前景点。实际应用中 是大于还是小于，都一样，结果是前景图像的目标颜色是白色还是黑色而已，就是在区域统计时注意下统计的是黑色还是白色信息，关键是T的选择。
同时，随着时间的变化，背景图像也会发生缓慢的变化，这时我们要不断更新每个象素点的参数
u(t+1,x,y) = a*u(t,x,y) + (1-a)*I(x,y)
这里，a称为更新参数，表示背景变化的速度，一般情况下，我们不更新d（实验中发现更不更新d，效果变化不大）。