鲁棒主成分分析的运动目标检测综述

摘要：

目的 运动目标检测在许多计算机视觉任务中发挥了重要的作用.背景建模是运动目标检测中传统而又常用的方法.然而,许多背景建模方法是基于像素点的,对背景方面的考虑过于简单,难于处理真实视频.最近,将基于低秩和稀疏分解的鲁棒主成分分析应用于运动目标检测成为计算机视觉领域内的研究热点.为使更多国内外运动目标检测的研究者对鲁棒主成分分析方法进行探索和应用,本文对其进行系统综述.方法 融入最新研究进展,基于误差抑制、贝叶斯理论、时间和空间信息、多特征和多因素耦合,对各种国内外的鲁棒主成分分析模型进行归纳,并理论分析其优缺点.结果 本文采用变化检测数据集(change detection dataset)中不同场景的视频序列来对不同算法进行对比实验.从实验结果可知,属于第3类方法的DECOLOR的检测效果优于其他算法,在均值对比中得到的召回率、精确率和F-measure分别为0.7、0.706和0.66.总体来说,当前改进算法都能有效地弥补最初鲁棒主成分分析方法的缺陷,提高了运动目标检测的精度.结论 鲁棒主成分分析在运动目标检测上取得了较多的研究与应用成果,在智能视频监控应用领域拥有广阔的应用前景.但是,其仍需针对鲁棒主成分分析存在的一些局限性进行深入的研究.融入前景运动目标在视频中的先验知识是基于鲁棒主成分分析的运动目标检测的发展趋势.

关键词：目标检测、计算机视觉、背景建模、鲁棒主成分分析、综述

所属期刊栏目：21

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61001179,61571139;广东省科技重大专项基金项目2015B010124001;广东省工程技术研究中心项目2015B090903017;广东省自然科学基金项目2015A030312008National Natural Science Foundation of China61001179,61571139;Natural Science Foundation of Guangdong Province,China2015A030312008

在线出版日期：2016-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1265-1275