Ανίχνευση κίνησης αντικειμένων σε βίντεο

μοντελοποίηση είναι εξαιρετικά πολύπλοκα. Για παράδειγμα τα δεδο-

μένα μπορεί να είναι πολυτροπικά ( multimoodal). Αυτό σημαίνει ότι οι

κατανομές τους παρουσιάζουν δύο ή περισσότερες κορυφές ( modes).

Για παράδειγμα μπορεί να είναι δεδομένα που προέρχονται από δυο

διαφορετικές διεργασίες που συμπεριφέρονται σύμφωνα με την κανο-

νική κατανομή, αλλά τα διαστήματα των τιμών τους αλληλοεπικαλύ-

πτονται. Για τη μοντελοποίηση τέτοιων δεδομένων χρησιμοποιείται το

ΜΜΓ. Συγκεκριμένα τα δεδομένα μοντελοποιούνται ως μείξη διαφο-

ρετικών συνιστωσών ( components), όπου κάθε συνιστώσα ακολουθεί

μια κανονική κατανομή. Στο παράδειγμα που παρατέθηκε εφαρμόζεται

ΜΜΓ δύο συνιστωσών. Η διαφορά μεταξύ της μοντελοποίησης αυτών

των δεδομένων με κατανομή Γκάους και ΜΜΓ απεικονίζεται στο σχήμα

3.1

Σχήμα 3.1: (Αριστερά) Μοντελοποίηση των δεδομένων με κατανομή

Γκάους. (Δεξιά) Μοντελοποίησή τους με ΜΜΓ 2 συνιστωσών.

Συνεπώς, θεωρείται για κάθε σημείο δείγματος ότι ανήκει σε μια από

27