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,Xt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: