基于低秩稀疏分解的自适应运动目标检测算法

• 作者: 朱林 蒋秀蓉 郝元宏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 鲁棒主成分分析(RPCA) 低秩建模 空间约束 前景检测
• 年，卷（期）: 2018,（23）
• 所属期刊栏目: 图形图像处理
• 页码范围: 189-194
• 页数: 6页
• 分类号: TP391
• 字数: 5255字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1708-0358

摘要

传统的低秩稀疏分解方法使用l 1范数把场景中的运动目标建模为稀疏离群值,分离出低秩的背景成分与稀疏的运动目标成分.然而,在许多实际场景中往往会有动态背景的情形(例如水面波纹、树木摇动),l 1范数并不能区分出这些干扰与真实目标,从而大大影响检测效果.实际上,运动目标区域中的像素不仅仅具有稀疏性,还具有空间分布上的连续性.通过引入空间融合稀疏约束,在空间连续性和稀疏性两方面对运动目标进行建模,使模型更符合目标像素的分布规律.同时,设计了一种自适应的参数更新方法,使算法的鲁棒性进一步提升.在公共数据集上的大量实验表明,相比于传统方法,该算法在准确率和鲁棒性方法有很大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋秀蓉		3	1	1.0	1.0
2	朱林		2	1	1.0	1.0
3	郝元宏		2	1	1.0	1.0