【问题标题】:The number of gaussian distributions in GMM?GMM中高斯分布的个数?
【发布时间】:2015-03-11 02:28:00
【问题描述】:

我正在研究 GMM 模型的背景减法,但很困惑。 GMM模型实现最多的是EM_GMM,它使用K高斯对背景进行建模,每个像素对每个高斯都有一个权重,换句话说,图像是用K高斯建模的。在我回顾了 stauffer 写的论文“Adaptive background blend models for real-time tracking”之后,我认为每个像素都有 K 高斯,换句话说,图像总共有n*K个高斯,n是图像中的像素数。 所以……不知道我的想法对不对,求助……

【问题讨论】:

    标签: image algorithm computer-vision background-process gaussian


    【解决方案1】:

    一般来说,这个想法是假设有一个包含 K 个高斯分布的随机数生成器,并随机生成一个像素,您可以在 K 个分布中随机选择,然后从所选分布中生成随机颜色。随着时间的推移,分布确实会发生变化,但变化非常缓慢,因此大量像素共享相同的底层分布。

    这在 P 4 的顶部进行了解释,就在等式 (5)“每个新的像素值 Xt 都根据现有的 K 高斯分布进行检查,直到找到匹配”之前。

    【讨论】:

    • 我认为 Stauffer 在论文中提出的 GMM 方法与 EM GMM 不同。 em gmm 用于分类,而 Stauffer 论文中的 GMM 用于背景子结构。在查看了 BackgroundSubstrcutionMOG2 的 openCV 源代码后,openCV 使用了 n*K 高斯的图像,换句话说,每个像素 K 高斯,而不是每个像素共享相同的底层 K 分布。 :-)
    猜你喜欢
    • 2017-04-15
    • 2012-09-12
    • 2017-05-20
    • 2014-03-09
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2015-03-30
    • 1970-01-01
    相关资源
    最近更新 更多