1.仅使用opencv库进行功能实现 2.使用opencv中createBackgroundSubtractorMOG2()运动物体背景分割，及后续目标检测 3.代码中实现了对车辆的检测和跟踪 4.代码计算量小，可实现实时跟踪 5.可对感兴趣区域（ROI）进行单独检测和跟踪 6.代码关键步骤进行了备注

该算法利用色度和亮度信息来进行图像的前景分割。它的优势在于能够在一定程度上抑制阴影和高亮度点。

GMM（高斯混合模型）的动态背景分割的实验报告以及源码，数据集。 另外用到了形态学操作与多通道的处理，提升了实验结果的性能。

图像前景背景分割是图像处理中的关键技术,文中提出了基于超像素分类的二值分割算法。对于输入图像,首先采用超像素分割算法,将图像分割成多个保留边缘的封闭区域,即超像素;对每一块超像素,考虑颜色和纹理,构造一种对光照和颜色较为鲁棒的特征,来消除同种物体在光照和颜色差异下的影响;用所得特征训练分类器,判断每块超像素属于前景或背景;最后将超像素分类结果作为初值用图分割的方法进行修正,得到最终的二值分割结果。实验结果显示算法能较好的完成前景背景分割的任务。此外,本算法易于和现有的分类算法相结合,具有较强的可移植性。