gmm模型和固定效应模型（gmm模型）

今天之间网归一为大家解答以上的问题。gmm模型和固定效应模型，gmm模型相信很多小伙伴还不知道,现在让我们一起来看看吧！

1、就是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。

2、GMMs已经在数值逼近、语音识别、图像分类、图像去噪、图像重构、故障诊断、视频分析、邮件过滤、密度估计、目标识别与跟踪等领域取得了良好的效果。

3、对图像背景建立高斯模型的原理及过程：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以认为是图像灰度概率密度的估计。

4、如果图像所包含的目标区域和背景区域相比比较大，且背景区域和目标区域在灰度上有一定的差异，那么该图像的灰度直方图呈现双峰-谷形状。

5、主要步骤为图像的每个像素点指定一个初始的均值、标准差以及权重。

6、2、收集N（一般取200以上，否则很难得到像样的结果）帧图像利用在线EM算法得到每个像素点的均值、标准差以及权重）。

7、3、从N+1帧开始检测，检测的方法：对每个像素点：1）将所有的高斯核按照 ω / σ 降序排序2）选择满足公式的前M个高斯核：M = arg min(ω / σ > T)3）如果当前像素点的像素值在中有一个满足：就可以认为其为背景点。

本文就为大家分享到这里，希望大家看了会喜欢。