基于混合高斯模型的运动目标检测方法研究

本程序通过对采集到的视频序列进行分析，采用背景差法和自适应背景更新的方法对，进入视频序列或摄像头中的人体进行自动检测

3篇论文，有点类似 基于图像块的分割算法及其改进算法,即先取图像块的均值、标准差、最大值、最小值以及中间像素的像素值等5个特征作为纹理特征,再利用高斯混合模型进行纹理图像分割

最经典的一篇关于说话人识别的文章是高斯混合模型。

在视频监控领域中,有效快速的视频目标分割是视频分析与处理中的一项关键技术。针对固定场景监控中背景复杂,存在 噪声等影响分割问题，在Stauffer等人提出的经典自适应混合高斯背景模型基础上,提出了基于

基于高斯背景建模的运动目标检测。对于车辆检测很有用。

目标分类;运动检测;目标跟踪;支持向量机;时间一致性约束;场景相关特征

鉴于高斯混合模型对背景变化快时无法精确检测出目标和目标跟踪的适应性差等瑕疵，提出了基于加权似然跟踪器来改进高斯混合模型实现运动目标跟踪算法。主要引入了自适应高斯混合模型来实时检测运动目标，然后空间加权

混合高斯模型的核方法，分析了高斯模型中核PCA与聚类的潜在关系。

matlab实现的混合高斯模型 可直接运行 有例子

高斯混合模型 EM算法.[alpha, mu, sigma, ll ] = gmm(data, k, nres, sig, prevsing, maxstep, prec)