为了进一步提高室内检测跟踪系统的有效性和稳定性,以经典的混合高斯模型为基础,结合了积分直方图方法,提出了一种室内场景中适应光照变化的运动目标检测算法。该方法通过当前帧和背景帧的全局积分直方图差分来确定光线变化的程度。对于全局的光线突变,进行模型的全局更新。对于局部的光线变化,用光线变化比例作为高斯模型权值更新率因子,实时控制更新速率。再对高斯模型提取的前景,用区域局部积分直方图进行虚假前景的判断和消除,从而进一步提纯真实前景。仿真实验结果表明:算法较好地消除了场景中光照变化对目标检测的影响。

混合高斯模型源代码，1D与2D模型，非常适合初学者，编程环境matlab

采用opencv3.1开发的基于混合高斯模型的运动目标提取

在VS2015使用C++实现光流法和混合高斯模型来检测运动中的人并标记运动框，文件包含工程文件，需要使用其中一个方法检测运动目标那么需要将另一个方法的代码进行注释，保证工程中只执行一种方法

包含源码、数据集、实验报告 python实现k-means聚类方法和混合高斯模型，可供学习使用

在matlab平台上的运动图像检测、采用的是混合高斯模型和RGB颜色模型联合判断的烟雾运动的方法，亲测可用

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。

利用混合高斯模型对目标场景进行背景建模，分割出前景与背景。 代码输入：一组图片或一段视频 代码输出：前景与背景分割开的灰度图 环境：linux+opencv+eigen 语言：Ｃ++

基于C++实现的混合高斯模型采样函数。内容为VS stdio 代码，包含混合高斯模型的采样器和MATLAB测试代码。混合高斯模型采样函数的实现是基于C++随机树库，不依赖任何外部代码库，完全手写代码。此代码纯手写，请批评指正，向大佬学习。

针对视频中运动目标检测实时性问题，提出了一种基于混合高斯模型的背景差分法的 FPGA实现方法．背景差分算法是运动检测算法中最常用的方法，该算法首先对实时得到的图像序列进行建模，得到运动场景的背景模型．然后在运动目标分割中及时的根据场景变化更新背景．考虑到实时性要求的高帧率、高分辨率视频分割任务，利用FPGA并行处理和硬件实现的优点，对混合高斯模型进行修改来对它进行定制，以适合于硬件实现．最后，通过在FPGA开发平台进行了仿真实现，结果验证了算法在硬件实现的正确性，以及在实时性能上的提高．