《Improved adaptive Gausian mixture model for background subtraction》

这篇文章基于《Adaptive background mixture models for real-time tracking》进行了改进，最主要的改进点在于通过最大后验估计法引入先验概率的影响，而不是直接通过最大似然估计法求解概率分布参数。这样做的效果之一就是作者后续操作中把权值减小至负数的分布舍弃掉，实现了混合高斯模型中分布个数的自适应。老规矩，这里贴上个人翻译内容，原文+翻译PDF点击打开链接这里下载。

参考文章链接：

http://www.datalearner.com/blog/1051459673766843 狄利克雷分布讲解

http://blog.csdn.net/u011240016/article/details/52730807 全概公式和贝叶斯公式的理解

http://maider.blog.sohu.com/306392863.html 如何理解Beta分布和Dirichlet分布？

http://blog.csdn.net/baimafujinji/article/details/51374202 先验概率、后验概率以及共轭先验

https://www.cnblogs.com/chyl411/p/5763952.html 拉格朗日乘法学习笔记