改进的混合高斯背景建模

对智能视频监控来说，摄像机处于静止情况。假设视频图像中背景像素点的特征在一段时间内变化不大，则可以认为在这一段时间内，背景像素点服从高斯分布。但是在实际情况中，存在树枝晃动、水波等干扰，背景像素点会呈现出双峰或者多峰的现象，因此必须采用多个高斯分布的方式来描述背景像素点的特征，以降低干扰。

混合高斯模型的原理：

根据Stauffer和Grimson的假设，到第t时刻。像素点(x₀,y₀)的取值集合为 ，其中I为视频帧。若建立一个由K ( K一般取3~5)个高斯分布组成的高斯模型，来近似像素点的所有已出现值，便可得到图像当前像素值出现的概率，即混合高斯模型的概率密度函数:

(1)

其中，X_t是t时刻该点的像素值，是t时刻混合高斯模型中第 i个模型在 K个模型中所占的比重，它代表了由第 i个高斯分布产生的采样值在总采样值中的比例； 是第 i 个高斯分布的均值向量；表示第 i 个高斯分布的协方差矩阵；t时刻 i 个高斯分布的定义如下：