首页 > 代码库 > GMM背景建模原理
GMM背景建模原理
简要原理:
对一个视频序列帧中的每一个像素,建立一个混合高斯模型,这个模型中权重大的代表背景,权重小的代表前景。新来的像素如果能匹配上背景对应的高斯模型,那么新来的像素就被当成背景。如果匹配的是权重较小的高斯模型,或者没有匹配的高斯模型,那么这个像素被当成前景。
算法流程:
1 前提:视频序列的每一个像素,都训练好了一个混合高斯模型(一组高斯模型的和)。
2 对于新的一个视频帧中的一个像素点,将它与混合高斯模型进行匹配,如果有匹配成功的高斯模型,则按下面的公式改变权值。其中alpha为权重的学习速率,rho是均值与方差的更新公式,下面的公式公供参考。如果没有与之匹配的模型,那么把排序最后的一个高斯模型删了,换成这个当前像素对应的高斯模型。
3 对新模型,将权重归一化后,再按权重排序。选 出权重之和大于一个阈值的一组模型作为背景,如果新像素所在的模型在背景这一组,那么新像素就是背景像素,如果不在背景这一组,那么新像素就是前景。
实验效果:
程序是OPENCV中自带的算法:
GMM背景建模原理
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。