基于压缩感知和字典学习的背景差分法

• 作者: 吴峰 郭厚焜 黄萍
• 来源期刊: 华东交通大学学报
• 学科: 工学
• 关键词: 稀疏表示 字典学习 背景差分 前景分割
• 年，卷（期）: 2012,（1）
• 页码范围: 43-47
• 分类号: TP399
• 字数: 3058字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-0523.2012.01.010

摘要

针对当使用背景差分法时,背景存在突变和渐变、图像数据的冗余和伪前景对目标检测的干扰等问题,提出一种基于稀疏表示和字典学习的背景差分法.该方法首先训练视频流得到其数据字典,并根据数据字典学习与稀疏表示理论建立背景模型,可以有效减少数据的冗余.然后根据目标及其邻域的密集度进行目标分割,以排除前景的干扰.最后再根据数据字典的更新算法,有效解决了背景的突变和渐变问题.实验结果表明,该方法具有可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭厚焜	华东交通大学信息工程学院	19	89	6.0	8.0
2	吴峰	华东交通大学信息工程学院	2	11	1.0	2.0
3	黄萍	华东交通大学信息工程学院	4	21	3.0	4.0