关于OPENCV 中MOG的问题，关于背景比例阈值的理解。

Question

for( x = 0; x < cols; x++, mptr += K )
{
float wsum = 0;
float pix = src[x];//每个像素
int kHit = -1, kForeground = -1;//是否属于模型，是否属于前景

            for( k = 0; k < K; k++ )//每个高斯模型
            {
                float w = mptr[k].weight;//当前模型的权值
                wsum += w;//权值累加

                float mu = mptr[k].mean;//当前模型的均值
                float var = mptr[k].var;//当前模型的方差
                float diff = pix - mu;//当前像素与模型均值之差
                float d2 = diff*diff;//平方

//是否小于方门限，即是否属于该模型
if( d2 < vT*var )
{//属于本高斯模型
。。。
kHit = k1+1;//记录属于哪个模型
break;//如果找到相应的模型，则退出，即：此像素点不在进行匹配，只矫正最靠近前面的高斯模型。
}
}

            if( kHit < 0 )      

//如果没有找到合适的高斯模型，重新新建一个高斯模型，用来代替最弱的高斯模型
//当前像素不属于任何一个模型
{
//初始化一个新模型
kHit = k = min(k, K-1);//有两种情况，当最开始的初始化时，k并不是等于K-1的
wsum += w0 - mptr[k].weight;//从权值总和中减去原来的那个模型，并加上默认权值
mptr[k].weight = w0;//初始化权值
mptr[k].mean = pix;//初始化均值
mptr[k].var = var0; //初始化方差
mptr[k].sortKey = sk0;//初始化权值
}
else//找到匹配的模型，并且用kHit进行了标记。
for( ; k < K; k++ )
wsum += mptr[k].weight;//求出剩下的总权值
//对权值进行归一化处理。

float wscale = 1.f/wsum;//归一化
wsum = 0;
for( k = 0; k < K; k++ )
{
wsum += mptr[k].weight *= wscale;
mptr[k].sortKey *= wscale;//计算归一化权值
_ if( wsum > T && kForeground < 0 )// T = (float)backgroundRatio
//问一下，为什么背景权值和大于T后，竟然被认为是前景了？
kForeground = k+1;//第几个模型之后就判为前景了_
}

            dst[x] = (uchar)(-(kHit >= kForeground));
        }
    }

问题： T = (float)backgroundRatio，为什么高斯模型的权重之和大于T后，被认为是前景了。不是已经根据优先级（权重/标准差）排序了么，应该权重越大的，越靠前，代表此高斯模型模拟背景的效果越好。
不知道自己哪儿理解错了，请指教！谢谢

Answer 1

可以这么理解么？看该像素点是先匹配背景，还是先匹配前景。先匹配谁就被认为和谁一类。
The K distributions are ordered based on the fitness value k k w σ and the first B distributions are used as a
model of the background of the scene where B is estimated as

B=argmin( (从1到b对w求和)>T )
The threshold T is the minimum fraction of the background model. In other words, it is the minimum prior
probability that the background is in the scene.

PS：图片粘贴不上去，所以只能凑合看公式了！