d 文档高斯模型.docVIP

混合高斯模型 混合高斯模型为增加对环境变化的鲁棒性，对每个像素点建立多个高斯模型，为像素特征值服从个高斯分布的叠加，其概率密度表达式为： (式4-19) 其中，为高斯模型的个数，一般取3到5个，为第个高斯模型的权值，该参数体现了模型为背景的概率，为第个模型在t时刻的均值，为第个模型在t时刻的协方差，第i个高斯模型的概率密度函数: (式4-20) 混合高斯模型采用像素点的多个特征值作为检测变量，一般使用像素RGB三个通道的特征值进行检测，即，假设各个通道的颜色特征值相互独立，则有: (式4-21) 在混合高斯模型中，对各个模型的匹配与单高斯模型相同，采用极限误差判决，对于满足条件的，认为与模型匹配，否则将其特征值作为均值，并为其分配一个较大的值作为方差，产生一个新的模型。 高斯模型中并不是所有模型都是对背景的描述，区分哪些模型代表图像背景和哪些模型代表运动前景，是混合高斯模型进行运动目标检测的又一核心问题。在混合高斯模型的参数更新过程中，权值参数越大代表该模型出现频率越高，越有可能描述的是图像背景，反之，越小则越有可能描述的是运动前景。此外，方差描述了随机分布的波动幅度，对于越有可能是背景图像描述的模型，其方差越小，而有可能是对运动前景描述的模型，其方差越大。因此，在每次匹配完成之后，将权值参数重新归一化，并按从大到小对K个混合高斯模型进行排序，越