解释在opencv中实现的阴影检测代码的工作原理

我正在尝试理解opencv中实现的用于阴影检测的代码，其链接在这里

代码是

detectShadowGMM(const float* data, int nchannels, int nmodes,
                const GMM* gmm, const float* mean,
                float Tb, float TB, float tau)
{
    float tWeight = 0;
    // check all the components  marked as background:
    for( int mode = 0; mode < nmodes; mode++, mean += nchannels )
    {
        GMM g = gmm[mode];
        float numerator = 0.0f;
        float denominator = 0.0f;
        for( int c = 0; c < nchannels; c++ )
        {
            numerator   += data[c] * mean[c];
            denominator += mean[c] * mean[c];
        }
        // no division by zero allowed
        if( denominator == 0 )
            return false;
        // if tau < a < 1 then also check the color distortion
        if( numerator <= denominator && numerator >= tau*denominator )
        {
            float a = numerator / denominator;
            float dist2a = 0.0f;
            for( int c = 0; c < nchannels; c++ )
            {
                float dD= a*mean[c] - data[c];
                dist2a += dD*dD;
            }
            if (dist2a < Tb*g.variance*a*a)
                return true;
        };
        tWeight += g.weight;
        if( tWeight > TB )
            return false;
    };
    return false;
}

我假设的n通道是每个像素的rgb通道。我不确定dist2a，分子和分母是什么。前景和背景可能是，但为什么我们要乘以"数据和平均值"和"平均值和平均值"。这里实现的论文是日夫科维奇。"用于背景减法的改进自适应高斯混合模型"，国际会议模式识别，英国，2004 年 8 月，

逻辑是：在RGB色彩空间中，E代表背景，I表示每个像素i的前景。E 和 I 之间的强度差是通过最小化 （a） = （Ii-aEi）^2 给出的"a"来计算的色差由 CDi = |高爱|如果值在阈值范围内，则像素被分类为阴影。这张图片会更好地解释它

请帮我用代码映射逻辑。