OpenCV_基于混合高斯模型GMM的运动目标检测
OpenCV的video module中包含了几种较为常用的背景减除方法，其中混合高斯模型（Gaussian of Mixture Models, GMM）方法效果较好。
混合高斯模型的原理：
每个像素的R、G、B三个通道像素值的变化分别由一个混合高斯模型分布来刻画。这样的好处在于，同一个像素位置处可以呈现多个模态的像素值变化（例如水波纹，晃动的叶子等）。
GMM的出处：Adaptive background mixture models for real-time tracking （1999年由Chris Stau er提出）
OpenCV版本：2.4.2
下面的代码实现了基于GMM的运动目标检测，同时能够消除运动阴影； （基于文献：Improved adaptive Gausian mixture model for background subtraction）
当前背景图像
前景图像
经过腐蚀和膨胀处理后的前景图像
（白色为运动目标区域；灰色为阴影区域；黑色为背景）
-------------------------------------------------------
< 转载请注明：http://blog.csdn.net/icvpr>
