高斯分布即正态分布，是最常见概率分布模型，在图象处理、模式识别、计算机视觉中经常被用来刻画一些随机量的变化情况，如噪声、特征分布、象素灰度，此外正态分布函数还经常被选择为加窗函数用于局部化处理，如平滑滤波、Gabor变换等。
这是因为一方面正态分布反映了自然界中普遍存在的有关变化量的一种统计规律，另一方面还因为正态分布函数具有非常好的数学性质，具有各阶连续的导数，在时域和频域具有相同的函数形式等等，非常便于分析。基于高斯分布背景模型的差分方法，在原理上通过背景的分布模型判断一个象素点是否属于背景点，以此区分前景点和背景点，前景点就构成分割出来的物体。在实践上，就是对于每个象素考察其象素值与背景模型中的高斯分布的匹配程度，例如当象素值在一个高斯分布的1s以内时就认为它与该高斯分布匹配，则认为其属于背景点；而如果不与背景中任何一个高斯分布匹配，则认为其为前景点。背景模型的建立可以通过训练得到，并在处理中不断更新，这些过程除了需要人为的少量干预之外可以自动地实现。
