高斯背景模型在 监控中的应用 博客分类： 推荐系统 高斯背景模型监控

          高斯模型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。

           在运动检测中做了大量的应用，在只能的监控系统中，对于系统当前状态的检测是中心内容，用一个高斯模型来表示单点需要监控的东西特征，在新的状态过来之后更新现有的模型，用当前的状态值和高斯模型进行匹配，如果能够匹配到，则是正常的，如果匹配不到，是非正常的。

          通观整个高斯模型，主要是有方差和均值两个参数决定，对均值和方差的学习，采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。

           方法：

           对于监控的数据而言，特定监控点的状态满足高斯分布。~ N(u,d)

           这样我们的背景模型中有两个参数 ，平均值 u，和方差 d

    满足   Exp(-(x-u)^2/(2*d^2)) > T 即是一个不正常的状态。。