一种检测视频中运动目标的新方法

摘要：

现有的用于视频运动目标检测的鲁棒主成分分析方法通常将背景矩阵的秩函数松弛为核范数,导致求解低秩矩阵的奇异值收缩算子法的阈值恒定,从而背景恢复精度不高.为此提出由加权核范数和结构稀疏范数组成的新的损失函数并用交替方向乘子法进行优化.采用加权核范数作为矩阵的低秩约束,使得压缩阈值与相应奇异值的大小呈单调递减关系,从而大奇异值得以较小幅度压缩.使用结构稀疏范数作为前景稀疏约束,有效利用了前景运动目标的空间区域连续性的先验知识.实验结果表明,该方法在动态背景、阴影等复杂场景下均能取得较其他鲁棒主成分分析方法更好的效果.

关键词：运动目标检测、结构稀疏范数、鲁棒主成分分析、奇异值压缩算子、加权核范数

所属期刊栏目：48

分类号：TM911.3

资助基金：国家自然科学基金61571339;网络与交换技术国家重点实验室开放课题SKLNST-2016-1-02

在线出版日期：2019-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：46-52