GMM模型是什麽
GMM模型即高斯混合模型。
GMM（Gaussian Mixture Model），高斯混合模型（或者混合高斯模型），也可以簡寫為MOG（Mixture of Gaussian）。
高斯模型就是用高斯概率密度函數（正態分布曲線）精確地量化事物，將壹個事物分解為若幹的基於高斯概率密度函數（正態分布曲線）形成的模型。
混合高斯模型使用K（基本為3到5個）個高斯模型來表征圖像中各個像素點的特征,在新壹幀圖像獲得後更新混合高斯模型, 用當前圖像中的每個像素點與混合高斯模型匹配,如果成功則判定該點為背景點, 否則為前景點。 通觀整個高斯模型，主要是有方差和均值兩個參數決定，對均值和方差的學習，采取不同的學習機制,將直接影響到模型的穩定性、精確性和收斂性 。由於我們是對運動目標的背景提取建模，因此需要對高斯模型中方差和均值兩個參數實時更新。為提高模型的學習能力,改進方法對均值和方差的更新采用不同的學習率;為提高在繁忙的場景下,大而慢的運動目標的檢測效果,引入權值均值的概念,建立背景圖像並實時更新,然後結合權值、權值均值和背景圖像對像素點進行前景和背景的分類。