混合高斯背景建模
混合高斯模:
背景图像的每一个像素分别用由K个高斯分布构成的混合高斯模型来建模
P ( I ) = ∑ q = 1 Q w q N q ( I ; μ q , σ q 2 ) N q ( I ; μ q , σ q 2 ) = 1 2 π σ q e − ( I − μ q ) 2 2 σ q 2 P(I) = \sum_{q=1}^Q w_q N_q(I;\mu_q, \sigma_q^2) \\ N_q(I;\mu_q, \sigma_q^2) = \frac{1}{\sqrt{2 \pi}\sigma_q} e^{-\frac{(I-\mu_q)^2}{2\sigma_q^2}} P(I)=q=1∑QwqNq(I;μq,σq2)Nq(I;μq,σq2)=2πσq1e−2σq2(I−μq)2
I I I是输入的像素, N N N是混合高斯模型, w q w_q wq是混合高斯模型中第 q q q个高斯分布的权值, μ q \mu_q μq和 σ q 2 \sigma_q^2 σq2分别表示混合高斯模型中第 q q q个高斯分布的均值和方差。
背景建模流程
-
初始化
选择高斯分布的个数 Q Q Q和学习率 α \alpha α(通常在0.01~0.1之间)。
输入第一帧图像,对每个像素 I ( 1 ) I(1) I(1),分别初始化 Q Q Q个均值 μ q = I ( 1 ) \mu_q=I(1) μq=I(1),方差为 σ q 2 \sigma_q^2 σq2(取一个较大的值,具体自己设置)的高斯函数,对应的权重分别为 w q w_q wq, q = 1 , 2 , ⋯ , Q q=1,2,\cdots,Q q=1,2,⋯,Q。
Q Q Q一般取3~7, w k = 1.0 / Q w_k=1.0/Q w