基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文介绍了一种在线递归投影稀疏矩阵恢复(ReProSMR)算法矩阵时间序列Mt等于稀疏矩阵序列St与非稀疏矩阵序列Lt之和,其中Lt在低维张量空间内随时间缓慢变化ReProSMR算法实时地将观测矩阵Mt分解为非稀疏矩阵Lt和稀疏矩阵StReProSMR算法的一个典型应用场景为监控视频动态背景建模,监控视频的每一帧图像的背景部分由于具有很强的相似性而构成低秩部分,而少量的运动目标构成视频的前景则对应于稀疏部分ReProSMR算法对图像序列进行矩阵低秩稀疏分解,便可成功地将静止的背景和活动的前景分开,从而实现背景动态建模和运动前景识别。ReProSMR算法是递归投影压缩传感(ReProCS)算法引入张量主成分分析后的改进算法实验结果表明,ReProSMR算法的计算效率显著高于ReProCS算法。
推荐文章
基于稀疏与低秩矩阵分解的视频背景建模
背景建模
稀疏与低秩矩阵分解
增广拉格朗日乘子法
奇异值分解
块Lanczos
热启动
大规模稀疏矩阵在并行应用中的通信优化研究
并行计算
通信优化
油藏数值模拟
稀疏度
基于低秩矩阵恢复的DOA稀疏重构方法
波达方向
非均匀噪声
低秩矩阵恢复
二阶统计量
加权l1范数
低秩矩阵和结构化稀疏分解的视频背景差分方法
前景检测
背景差分
矩阵分解
低秩表示
结构化稀疏
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 递归投影稀疏矩阵恢复在实时视频层分离中的应用
来源期刊 道路交通科学技术 学科 工学
关键词 张量主成分分析 稀疏矩阵恢复 ReProSMR
年,卷(期) 2015,(2) 所属期刊栏目
研究方向 页码范围 37-40
页数 4页 分类号 TP393.4
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘伟祥 16 44 4.0 6.0
2 裘晨璐 7 11 2.0 3.0
3 崔林山 11 23 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
张量主成分分析
稀疏矩阵恢复
ReProSMR
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
道路交通科学技术
双月刊
1006-6713
11-3680/U
江苏省无锡市钱荣路88号
出版文献量(篇)
813
总下载数(次)
17
论文1v1指导