图像处理之前景检测（二）之混合高斯模型(主要为知识梳理）

图像处理之前景检测（二）之混合高斯模型

       混合高斯模型使用K（基本为3到5个）个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是由方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。

        原理及公式推导参考：

         寂寞的小乞丐      高斯混合模型（理论+opencv实现）

      Orange先生        高斯混合模型的终极理解

        现在函数有两个版本：

        opencv 2.4版本中的BackgroundSubtractorMOG，opencv3.0中的BackgroundSubtractorMOG2，用法有些许不同，具体用法见： 

        percy_ling   高斯混合模型背景建模（BackgroundSubtractorMOG2）在opencv3.0与opencv2.4中的使用方法区别       

         BackgroundSubtractorMOG源码注释见：
         thefutureisour    我的OpenCV学习笔记（25）：c++版本的高斯混合模型的源代码完全注释          

         BackgroundSubtractorMOG原理及博主自己代码实现：

         Mega_Li    opencv中的GMM（混合高斯分布）算法原理及C++实现（BackgroundSubtractorMOG）

         BackgroundSubtractorMOG2原理及源码注释：

         Mega_Li     opencv中BackgroundSubtractorMOG2源码分析与原理讲解