关于文章 A Llook At Gaussian Mixture Reduction Algorithems

第一次写技术文档，要求别太高了，尤其是对于我这样一个小硕，还是一个不怎么懂数学的女生小硕，哈哈

首先，必须说，这篇文章信息量很大，而且有很多数学公式，提到的算法也很多，科研真是不容易啊。。。。

这篇文章是关于混合高斯模型的约简算法，我是因为需要提取运动目标用到了高斯混合模型而接触到这篇文章，对我来说要理解难度很大，很多东西都不懂，很难看进去啊。

话说，科研还真是奇妙，一方面，因为混合高斯模型因为效果还不理想，所以很多人想到了和其他算法的结合使用，简单的有帧间差分法和canny边缘算子，复杂的甚至有和神经网络的结合，这样，算法的复杂度和计算量就在增加；另一方面，却有很多人在想尽办法降低复杂度，就像这篇文章，约简算法，就是为了降低复杂度和计算量。不过呢，两个方面都是为了更好地应用混合高斯模型，这就是精度和速度之间的拉锯战吧。

简单来说，高斯混合模型用于背景建模时可以看做一种聚类算法（其它应用时不了解），也就是根据混合高斯模型来将像素点分为背景和前景两类。

这个高斯混合模型约简算法主要提到了三种约简算法：GMRC（通过聚类的高斯混合约简算法）、COWA（约束优化权重适应）和brute-force approach(蛮力方法或者硬方法），蛮力方法是作为最后仿真实验的一个比较的基准，以及他们的一些改进方法。