混合高斯模型GMM
2015-03-20 19:50
10 查看
转自:http://blog.csdn.net/carson2005/article/details/7467891
运动目标检测可以分为摄像机固定和摄像机运动两类;对于摄像机运动情况下的运动目标检测,光流法是比较常用的解决方法,通过求解偏微分方程求得图像序列的光流场,从而预测摄像机的运动状态。对于摄像机固定的情形,可以采用光流法也可以采用高斯背景模型,考虑到光流法计算量巨大,故而,高斯背景模型相对更常用一些。需要提醒的是,这里所谓的“背景”是指用户不需要的目标,而“前景”自然指代用户需要的特定目标了。背景模型有很多种,其中很多方法对光照的的突变和其它因素的适应能力不够,而高斯混合模型是最为成功的一种背景建模方法。
高斯背景模型是由Stauffer等人提出的经典的自适应混合高斯背景提取方法,是一种基于背景建模的方法,它是根据视频中的每个像素在时域上的分布情况来构建各个像素的颜色分布模型,依次来达到背景建模的目的。混合高斯背景模型是有限个高斯函数的加权和,它能描述像素的多峰状态,适用于对光照渐变、树木摇摆等复杂背景进行准确建模。此后经过很多研究人员的不断改进,该方法目前已经成为比较常用的背景提取方法。
![](http://my.csdn.net/uploads/201204/17/1334592407_2293.png)
![](http://my.csdn.net/uploads/201204/17/1334592447_4709.png)
运动目标检测可以分为摄像机固定和摄像机运动两类;对于摄像机运动情况下的运动目标检测,光流法是比较常用的解决方法,通过求解偏微分方程求得图像序列的光流场,从而预测摄像机的运动状态。对于摄像机固定的情形,可以采用光流法也可以采用高斯背景模型,考虑到光流法计算量巨大,故而,高斯背景模型相对更常用一些。需要提醒的是,这里所谓的“背景”是指用户不需要的目标,而“前景”自然指代用户需要的特定目标了。背景模型有很多种,其中很多方法对光照的的突变和其它因素的适应能力不够,而高斯混合模型是最为成功的一种背景建模方法。
高斯背景模型是由Stauffer等人提出的经典的自适应混合高斯背景提取方法,是一种基于背景建模的方法,它是根据视频中的每个像素在时域上的分布情况来构建各个像素的颜色分布模型,依次来达到背景建模的目的。混合高斯背景模型是有限个高斯函数的加权和,它能描述像素的多峰状态,适用于对光照渐变、树木摇摆等复杂背景进行准确建模。此后经过很多研究人员的不断改进,该方法目前已经成为比较常用的背景提取方法。
![](http://my.csdn.net/uploads/201204/17/1334592407_2293.png)
![](http://my.csdn.net/uploads/201204/17/1334592447_4709.png)
![](http://my.csdn.net/uploads/201204/17/1334592463_9816.png)
相关文章推荐
- 混合高斯模型Gaussian Mixture Model(GMM)的EM(Expectation Maxium)求解代码
- GMM混合高斯模型理论基础(基于EM算法)
- OpenCV_基于混合高斯模型GMM的运动目标检测
- [转]运动检测(前景检测)之(二)混合高斯模型GMM
- GMM混合高斯模型
- 运动检测(前景检测)之(二)混合高斯模型GMM
- 运动检测(前景检测)之(二)混合高斯模型GMM
- 混合高斯模型GMM
- OpenCV——GMM混合高斯模型
- EM算法结合GMM混合高斯模型
- 混合高斯模型GMM
- 混合高斯模型(GMM)实现
- 混合高斯模型GMM和EM算法
- 混合高斯模型GMM
- 运动检测(前景检测)之(二)混合高斯模型GMM
- 我的OpenCV学习笔记(3):基于混合高斯模型GMM的运动目标检测
- 图像算法之九:混合高斯模型GMM
- 混合高斯模型GMM
- 运动检测(前景检测)之(二)混合高斯模型GMM
- OpenCV_基于混合高斯模型GMM的运动目标检测