自己写的基于混合高斯背景建模的运动目标检测算法，没有利用opencv本身封装的GMM函数。

opencv_目标检测_Opencv实现vibe算法，用于视频前景检测_vibe算法_视频前景检测_VC++

Opencv实现vibe算法，用于视频前景检测.rar

Opencv实现vibe算法，用于视频前景检测 Opencv实现vibe算法，用于视频前景检测 Opencv实现vibe算法，用于视频前景检测Opencv实现vibe算法，用于视频前景检测

运动目标检测，前景检测，内有实验用的文件，有可视化界面，效果不错。

包含现在主流的前景检测方法（自适应背景学习AdaptiveBackgroundLearning，均值滤波DPMeanBGS，单高斯，混合高斯，SigmaDelta，KDE等29中算法

一种基于多级框架的静态前景检测方法，向梅，，近年来，智能视频监控系统在银行、电力、交通、安检以及军事设施等领域的安全防范方面发挥着越来越重要的作用。而动态场景中的前

matlab分时代码动态模式分解（DMD）用于视频中的前景检测 由J.Barhydt 1 华盛顿大学华盛顿州西雅图市98195 概述： 动态模式分解（DMD）已经成为分解非线性系统以对基本动力学建模的不可思议的价值工具。 DMD提供的模式集与其他降维方法不同，例如奇异值分解（SVD）和主成分分析（PCA），因为DMD提供了基础模式的振荡时间分辨率，因此每个模式都包含时空信息。 振荡行为在许多物理系统中均会出现，从而使DMD分析具有更大的“捕获”这些动力学的能力。 在本文中，假设背景比移动和变化的前景具有更多的固定时间动态，则使用DMD将视频流中的前景与背景分离。 1-此报告使用扩展的Yale Faces B数据库： 简介与概述 ================================= 前景检测是人类（以及许多动物）可以很自然地完成的任务。 看过电影《侏罗纪公园》的任何人都可以证明霸王龙检测前景的能力很弱。 从某种意义上说，DMD方法的功能将非常相似。 通过将视频分解为基本的时空模式，DMD方法允许人们“挑选”具有最低振荡频率的模式，从而构成低等级的“背景”。 在具有静态背景的

仿照论文算法写的SOBS代码，压缩包内有论文原文。 工程：VS2012+opencv2.4+64位机器

opencv学习---运动目标（前景）检测