一种基于gmm的目标检测改进算法

？针对经典的gmm（gaussianmixturemodel）背景差分法中模型参数更新策略容易使高斯分布的方差迅速趋近于一个极小值的缺陷，提出了一种新的模型参数学习机制，使得高斯模型的方差平稳收敛，避免了陷入方差过小的恶性循环，最终在一定程度上减少目标误判的发生。结果表明，提出的改进算法在光照突变情况下，能够克服背景的扰动，目标误判的可能性也大大降低，与经典的gmm检测算法相比，改进后的算法在检测的精度和抗干扰性上有了明显的提高。