高斯背景建模报告重点.pptVIP

* * 高斯背景建模 单高斯模型介绍 混合高斯模型介绍 单高斯模型(Single Gaussian Model) 混合高斯模型(GMM) 混合高斯背景建模(Gaussian Mixed Model) 多高斯模型图像分割(image segmentation) 混合高斯背景建模流程 要点1：将图像中的每个图像单位(像素，块等)看成是从混合高斯分布样本中采样得到的随机变量； 要点2：根据先验知识，每个像素点是前景或背景的先验概率可以估值； 要点3：考虑到背景的多模态和复杂度，一般的混合高斯模型采用3-5个单高斯模型进行混合。 混合高斯背景建模流程 初始化混合模型参数，包括： 每个高斯模型的所占权重 每个高斯模型的均值和标准差 混合高斯背景模型初始化 K个高斯模型的均值u： 第一个高斯模型的均值等于输入视频的第一帧对应的的像素值或处理单位的平均值，即： 其中 混合高斯背景模型初始化 K个高斯模型的方差v： 所有高斯模型的初始方差都是相等的，即： 的取值直接与该视频的动态特性，因为标准差的大小与各个高斯模型允许像素值的波动范围直接相关。 混合高斯背景模型初始化 高斯模型的权重w初始化： 权重的初始化就是对背景的分布进行先验概率的估值，在初始化的时候，一般将第一个高斯模型的权重取较大，其他就相应的取值较小，即： 混合