效去除运动目标包含的阴影区域，从而实现人头区域的检测针对摄像机在静止条件下的自适应运动目标检测，提出一种改进的运动目标检测算法。首先，针对高斯混合背景建模初期背景建模效果不理想的问题，利用统计的方法得到背景模型，根据背景图像建立高斯混合模型；在模型学习方面，为均值与方差设置了不同的学习率。针对传统的LBP算子的缺陷，提出了一种改进的纹理特征算子，将其与HSV颜色空间去阴影的方法相结合，从而实现对阴影的检测与去除，利用随机Hough算子对圆的检测原理，在运动目标检测的基础之上，实现对人头的边缘检测。实验结果表明：该算法可以很好地检测出运动目标，并能够有。

用matlab实现基于混合高斯模型的EM算法，可直接运行，并且能画图。

基于高斯混合模型，对视频中的运动图像进行分割

EM算法混合高斯模型应用的matalb代码，代码有详细注释。

EM算法用于混合高斯模型的参数估计的原理与算法实现（matlab）；源码实现包括EM算法用于K均值问题的参数估计和EM算法用于混合高斯模型参数估计。

混合高斯背景建模，运动检测。 建模函数是自己编写的，原理简单，便于学习，有详细注释。 处理视频是用笔记本摄像头实时采集的画面。

针对传统混合高斯背景建模(GMM)在一些复杂场景下未能有效地描述背景,提出了一种改进算法。该算法引入更新和消退控制因子改进参数更新模型,并定量约束运动目标停留时间,采用从时间域上过滤得到的快速变化的背景进行背景减除操作,最后在空间域上对检测结果进行数学形态学的处理。实验结果表明,该算法能够提高背景建立和形成速度,增强对背景扰动和光照变化的抗干扰能力,对固定摄像机场景下运动目标的检测具有良好的鲁棒性。

基于混合高斯模型的增量式聚类.pdf

MATLAB基于视频的前景提取最终 Vibe算法建模与求解 像素分割去噪 混合高斯模型

Matlab实现EM算法，用于解决混合高斯模型， 包含用混合高斯模型生成测试数据的代码，包含二维图像生成代码，模式随机选取初值 和 用kmeans方法选取初值两种方式