这篇文章主要是针对在固定摄像头环境下采集的视频利用基于高斯混合模型将需要获得信息的运动前景目标检测出来，通过把视频中的每一帧图像像素值看作前景高斯分布加后景高斯分布的组合，进行背景估量和以及参数的更新，将运动目标的大致外形勾画出来。经实验证明，高斯混合模型能系统的的检测到有用的运动前景图像。具有较强的实时性以及大大降低了运算量。在文章中也提及到了光流法，帧间差分以及背景减法等研究方法的简介，通过比较来了解本文研究课题的不足之处和需要推广的地方。对于高斯混合模型的算法在计算机辅助的环境平台上进行大量视频数据的多次实验，进一步验证这种方法的实际效用性。结合实验结果过和理论可以表明：基于高斯混合模型的算法对运动目标的检测能有效提取运动目标的完整性和准确性，是检测正确率和实用性最高的方法。

研究内容

这篇文章主要是针对在固定摄像头环境下采集的视频利用基于高斯混合模型将需要获得信息的运动前景目标检测出来，通过把视频中的每一帧图像像素值看作前景高斯分布加后景高斯分布的组合，进行背景估量和以及参数的更新，将运动目标的大致外形勾画出来。经实验证明，高斯混合模型能系统的的检测到有用的运动前景图像。具有较强的实时性以及大大降低了运算量。在文章中也提及到了光流法，帧间差分以及背景减法等研究方法的简介，通过比较来了解本文研究课题的不足之处和需要推广的地方。对于高斯混合模型的算法在计算机辅助的环境平台上进行大量视频数据的多次实验，进一步验证这种方法的实际效用性。结合实验结果过和理论可以表明：基于高斯混合模型的算法对运动目标的检测能有效提取运动目标的完整性和准确性，是检测正确率和实用性最高的方法。

本文的研究框架各章具体内容如下:

第一章：介绍课题学习的意义和发展背景以及社会利用价值，国内国外当前的研究现状和今后工作探索的领域，然后介绍对于本文课题的其他基本研究方法并作简单比较，了解各种研究方法的优势劣势并对其不足提出改进等。

第二章：列举目前的常见检测方法，简单介绍原理和算法。通过学习了解每种检测手段的优缺点，比较分析哪种检测手段适合运用在什么样的场景下面。 

第三章：对本文研究的课题方法进行深入解读，对高斯混合模型背景建模原理和参数更新等做全面的推导，学习和归纳。

第四章：根据前一章给出的流程图，在计算机的辅助下搭建开发环境（OpenCV开发环境搭建Visual Studio2015平台）进行验证实验，采集大量不同的视频数据，在搭建好的实验环境中验证，并记录结果。再将理论和实验结果相结合，对比寻找差异并分析原因。

第五章：总结文章和研究展望。

本文主要是利用高斯混合建模来检测运动物体进行研究，目的是能高效率的从复杂场景出提取出需要的运动物体信息。通过阅读大量的参考文献对现有的研究手段做了比较全面的了解，分析方式的利弊，对其不足之处写出修改意见。在研究手段中着重介绍光流法和帧间差分法以及背景减法。对于应用最广泛的高斯混合模型检测目标的方法进行基本理论的推导，参数更新机制等，最后将高斯混合模型算法在计算机平台上进行验证，在试验阶段搜集大量的视频数据，综合各方面的外界影响因素需要拍摄不同场景的视频，反复进行实验才能得到理想的效果，实验表明高斯混合模型对运动目标的检测方法是全面用起来驾轻就熟的方法。在视频处理领域的很多研究都是以背景差法为基础来进行的，背景减法能通过不同的背景建模法实现，但是还有不足之处，以上所述的方法都是以单个像素点和区域的特征值来建立模型的，一定程度上忽略了一帧图像中临近像素点间的相关性，为了使建好的模型能更贴合的模拟出显示场景，就需要对建好的模型进行实时的参数更新，更新速度由时间窗长度来控制。背景减法所面临的问题存在很多种，建立自适应的背景模型是主要的面临问题，我们要使建立的背景模型跟上时间和场景的变化。