混合高斯背景建模的例子（基于c++的opencv实现）

基于混合高斯模型的前景目标检测，代码已调通，只需把读入的文件名称改成相同路径下自己的文件名即可。

利用混合高斯模型对背景图像进行多高斯分布学习，根据背景学习结果，利用贝叶斯理论对含有目标的图像进行分割。

最经典的一篇关于说话人识别的文章是高斯混合模型。

采用opencv3.1开发的基于混合高斯模型的运动目标提取

基于改进高斯混合模型的前景检测

基于改进高斯混合模型的实时运动目标检测与跟踪

基于简单高斯模型的肤色检测阈值分割采用了OTSU方法opencv1.0和2.2都编译通过

OpenCV混合高斯模型函数说明，我自己的计算和理解，有源程序，有注解，是open许mog2的理解

传说中的Dirichlet过程，Dirichlet过程小白的真心的福音！

传统混合高斯模型一般为每个像素分配固定的高斯分布个数,从而造成背景形成速度的减慢和系统资源的浪费;同时也存在着高斯模型背景建模中的缓慢或滞留运动物体造成目标误判现象的问题(即空洞问题)。为此,提出了一