混合高斯模型使用K（基本为3到5个）个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。
...以上,达到了较为满意的识别效果。在矢量量化中引入模糊聚类算法,实现了对硬聚类算法的有效扩展,提高了码本的量化精度。混合高斯模型(GMM)是最优的与文本无关说话人识别的模型,而环境与个性特征的变化是影响采用GMM识别率的重要因素。
基于225个网页-相关网页
针对这些问题，人们提出了基于统计特性的混合高斯模型来对动态背景建模。混合高 斯模型（Gaussian Mixture Model,GMM）是目前目标检测和背景建模最为常用的方法之一， 这种方法可以有效的处理光照变化，背景元素的重复运动，如...
基于148个网页-相关网页
...测 混合高斯模型 背景相减法 混合差分法 [gap=949]Keywords : moving objects detection;mixed Gaussian background model;background subtraction;hybrid difference ..
基于24个网页-相关网页
的混合高斯模型 Gaussian Mixture Model ; GMM
于混合高斯模型 Gaussian Mixture Model ; GMM
在混合高斯模型 Gaussian mixture models ; GMM
和混合高斯模型 Gaussian Mixture Model ; GMM
对混合高斯模型 Gaussian MixtureMode ; GMM
用混合高斯模型 mixture Gaussian Model ; MGM
把混合高斯模型 Gaussian Mixture Model ; GMM
颜色建立混合高斯模型 gaussian mixture Model ; GMM
高斯混合模型 GMM ; Gaussian Mixture Model ; HMM
·2,447,543篇论文数据，部分数据来源于NoteExpress
混合高斯模型是背景对消中一种非常有效的方法。
Mixture Gaussian model is one of background subtraction methods.
重点研究了三帧差分法和混合高斯模型背景差分法。
The three Frames subtraction and the background subtraction of Gaussian mixture model are researched.
混合高斯模型在训练背景模型的过程中效果良好，但其收敛速度较慢。
The effect of Gaussian Mixture model used in training background model is good, but its convergence velocity is low.
应用推荐