GMM算法实现.pdfVIP

西南交通大学，信息学院，xgong@swjtu.cn 资料整理 高斯混合模型（GMM）参数优化及实现 龚 勋 （20 10- 11- 13） 1 高斯混合模型概述 高斯密度函数估计是一种参数化模型。有单高斯模型（Single Gaussian Model, SGM ）和高斯混合模型 （Gaussian mixture model，GMM ）两类。类似于聚类，根据高斯概率密度函数（PDF，见公式1）参数的 不同，每一个高斯模型可以看作一种类别，输入一个样本x ，即可通过PDF 计算其值，然后通过一个阈值 来判断该样本是否属于高斯模型。很明显，SGM 适合于仅有两类别问题的划分，而 GMM 由于具有多个 模型，划分更为精细，适 于多类别的划分，可以应 于复杂对象建模。 下面以视频前景分割应用场景为例，说明SGM 与GMM 在应用上的优劣比较： l SGM 需要进行初始化，如在进行视频背景分割时，这意味着如果人体在前几帧就出现在摄像头前， 人体将会被初始化为背景，而使模型无法使用； l SGM 只能进