原创力文档基于GMM的运动目标检测方法研究
GMM数学公式推导
预备知识：
（1）设离散型随机变量X的分布率为：
则称为X的数学期望或均值
设连续型随机变量X的概率密度函数（PDF）为f(x)
其数学期望定义为：
称为随机变量x的方差，称为X
的标准差
正态分布：
概率密度函数为：
设(x,y)为二维随机变量，若存在，则
称其为X和Y的协方差，记为cov(x,y)
单高斯模型：SGM（也就是多维正态分布）
其概率密度函数PDF定义如下：
其中，x是维数为n的样本向量（列向量），μ是期望，C是协方差矩阵，|C|表示C的行列式，表示C的逆矩阵，表示的转置。
混合高斯模型：GMM
设想有 m个类： ，每类均服从正态分布。
各分布的中心点（均值）分别为：
方差分别为：
每一类在所有的类中所占的比例为
其中。
同时，已知 个观察点： 。其中，用大写P表示概率，用小写p表示概率密度。
则依此构想，可得概率密度函数为：
其中d是维数，|·|是行列式
但是在利用GMM进行目标检测时，这些模型的参数可能已知，也可能不知道，当参数已知时，可以直接利用GMM进行目标检测，在未知的情况下，需要对参数进行估计。对参数估计时，还要考虑样本分类是否已知。
样本已知：
最大似然
文档评论（0）