基于低秩稀疏分解的自适应运动目标检测算法

作     者：朱林 郝元宏 蒋秀蓉 ZHU Lin;HAO Yuanhong;JIANG Xiurong

作者机构：北方自动控制技术研究所太原030000 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2018年第54卷第23期

页      码：189-194页

摘      要：传统的低秩稀疏分解方法使用l1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),l1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。

主 题 词：鲁棒主成分分析(RPCA) 低秩建模 空间约束 前景检测 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3778/j.issn.1002-8331.1708-0358

馆 藏 号：203401462...