一种改进的基于 K-SV D字典学习的运动目标检测算法

• 作者: 严浩 曹义亲 黄晓生 黄萍
• 来源期刊: 微电子学与计算机
• 关键词: 目标检测 背景差分 稀疏表示 字典学习
• 年，卷（期）: 2014,（3）
• 页码范围: 5-8,13
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文

摘要

提出了一种基于字典学习的运动目标检测方法。该方法首先使用多帧平均方法从训练样本中得到初始背景，再通过BP算法建立背景的初始稀疏表示模型；然后利用视频序列中当前时刻的近邻五帧图像，通过K-SVD方法自适应更新背景数据字典中的原子，使背景稀疏表示模型最优逼近近邻帧背景的观测值；最后将当前帧图像与背景模型进行差分，完成前景运动目标的检测。仿真和对比实验结果表明，对图像信号进行稀疏表示可以有效降低数据的冗余度，减小运行时间，同时在字典更新阶段利用近邻帧图像的相关性特性，能获得鲁棒性较好的背景字典，自动排除伪前景的干扰，从而提高视频序列中的运动目标检测的准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄晓生	华东交通大学信息工程学院	41	380	10.0	18.0
2	曹义亲	华东交通大学软件学院	47	235	8.0	13.0
3	黄萍	华东交通大学信息工程学院	4	21	3.0	4.0
4	严浩	华东交通大学信息工程学院	4	18	4.0	4.0