deep learning一般是学习的层次结构，它也是有一定理论依据的，即模拟人脑的大脑皮层工作，因为大脑皮层的视觉区域也是分层次工作的，越底层的视觉皮层对那些底层特征就越敏感。综上所述，feature learning有这么多应用需求的驱动和生物神经理论上的支持，注定它能够在AI领域中发挥一定的作用。一些实验表明，有些feature learning学习到的特征几乎比所有其它的特征效果要好，比如本文中的ISA模型就是其中一个。-deep learning hierarchy of learni

混合高斯模型，用于多模态场景中的背景前景检测，还特意实现了RGB前景目标的显示，用vs2010+opencv2.3.0开发-Used for background modeling, the gaussian mixture model can display the backgrounds, prospects. Can be used for multimodal,

利用混合高斯模型对背景图像进行建模，所谓“混合高斯”的意思就是每个像素都是由多个单高斯分布混合组成的。-Name of the file which the classifier is loaded. Only the old haar classifier (trained by the haar training application) and NVIDIA s nvbin are supported for HAAR and only new type of OpenCV XML ca