视频目标检测和静态场景抑制--GMM

一 基础知识

                基于视频的目标检测任务不同于单帧图像的目标检测任务，它需要检测出视频序列的每一帧图像里的目标。由于在某些帧中的目标质量较差，包括图像模糊、遮挡等，而且形状、尺度等属性会随着目标的运动发生变化，会造成某些帧的检测结果不正确。在检测过程中最大的困难就是如何保持视频中目标的时空一致性，即时间和空间位置发生变化的目标还是属于同一个目标，这就叫做时空一致性。由于视频比静态图像多了一个时间维度上的信息，所以大多数视频目标检测算法利用该信息来增强检测性能，最常见的思路就是使用其他帧的特征来增强关键帧的预测效果。

二 GMM-高斯混合模型

2.1.混合模型

           混合模型表示了观测数据在总体中的概率分布，它是一个由 K 个子分布组成的混合分布。混合模型不要求观测数据提供关于子分布的信息，来计算观测数据在总体分布中的概率。

2.2 高斯混合模型

           高斯混合模型可以看作是由 K 个单高斯模型组合而成的模型，这 K 个子模型是混合模型的隐变量。高斯分布具备很好的数学性质以及良好的计算性能。

三 数学原理（暂无）

四 代码

void detectDynamicTargets(const string& videoPath) {
    // 打开视频文件
    VideoCapture cap(videoPath);

    if (!cap.isOpened()) {
        cerr << "错误：无法打开视频文件" << endl;
        return;
    }

    // 创建背景减除器
    Ptr<Backg