回答:
標準的なアプローチは、ガウシアンの混合を使用して、ピクセルの強度を命令するさまざまな法則をモデル化することです。このアプローチでは、ピクセルにいくつかの通常の法則（平均と分散が異なる）を割り当てることができます。それぞれの法則は、異なる条件下でその値をモデル化します。もちろん、一度にアクティブにする必要があるガウス分布は1つだけです。
混合内のガウスの最大数は（固定）パラメーターですが、各ガウスのパラメーターはオンラインで学習されます。OpenCVライブラリで実装例を見つけることができます。
数年前、誰か（申し訳ありませんが、もう名前を見つけることができません）が興味深い代替アプローチを提案しました：光の強度の変化の代わりに画像のグラデーションの向きの変化を使用します。勾配方向には、コントラストが不変であるという利点があり、照明の変化に対してより堅牢になります。直感的には、グラデーションの向きは、色や明度ではなく、画像内の形状に関連付けられているため、機能します。
これは、「よく引用された」アプローチでも、いかなる場合でもバックグラウンド減算の最先端技術ではありません。ただし、2番目の文では、さまざまなアプローチを試していると述べたので、私が言わなければならないことには、まだ価値があると思います。
私が提案しているのは、形状のツリー、またはレベルラインツリーと呼ばれるコントラスト不変の画像表現です（残念ながら、まだ一般に受け入れられている名前では解決できませんでした）
その提案されたアプリケーションの一般的なアイデアは、いくつかの画像とコントラスト不変な表現を構築してから、違いを探すことです。利点は、出力として、存在するがは存在しない（またはその逆）部分を出力として取得できることです。これは、ほとんどの単純な画像比較とは異なり、結果はすべての違い、つまり画像の1つに存在するすべてと他はない。
アプリケーションが防犯カメラであれば、良好な状態（均一な照明、低いオクルージョン）でいくつかのグラウンドトゥルースイメージを取得できると思います。次に、グラウンドトゥルースイメージからシェイプツリーを作成し、それを使用して現在のイメージに存在する新しいオブジェクトを検出します。木は、ピクセルのグローバルグレーレベルではなく、「ローカルコントラスト」に基づいているため、類似している必要があります。木の構築プロセスを動かす主な問題は、周囲よりも明るく/暗く、明るさ/暗さではないことです。ですね。
特定のアプリケーションに関連するのは、このペーパーの最後の数ページです。
P.モナス、F。ギチャード：コントラスト不変画像表現の高速計算（2000）
（関連事例と応用例）
ここに私の回答でいくつかの関連する参考文献を見つけることができますが、私がその回答に対して行った短い概要は完全にはほど遠いように思えます。
その特定の論文の著者は、その特定の木に関するLNMシリーズの小冊子も発行しました。
V. Caselles、P。Monasse：地形図としての画像の幾何学的記述（2010）
（詳細が記載された小冊子）
そして最後に、最悪の場合の構築時間は画像のピクセル数で二次であったため、ほんの数日前まで、これらのアプローチは実用的というより理論的でした。ちょうど昨日、最終的に形状ツリーをさまざまなアプリケーションで使用できるようにする準線形アルゴリズムが提示されました。