中国图象图形学报
中國圖象圖形學報
중국도상도형학보
Journal of Image and Graphics
2015年
11期
1482-1491
,共10页
运动目标检测%低秩矩阵分解%非凸加权核范数%区域连续性%矩阵恢复
運動目標檢測%低秩矩陣分解%非凸加權覈範數%區域連續性%矩陣恢複
운동목표검측%저질구진분해%비철가권핵범수%구역련속성%구진회복
moving object detection%low-rank matrix decomposition%weighted nonconvex nuclear norm%regional continuous%matrix recovery
目的 近年来,低秩矩阵分解被越来越多的应用到运动目标检测中.但该类方法一般将矩阵秩函数松弛为矩阵核函数优化,导致背景恢复精度不高;并且没有考虑到前景目标的先验知识,即区域连续性.为此提出一种结合非凸加权核范数和前景目标区域连续性的目标检测算法.方法 本文提出的运动目标检测模型以鲁棒主成分分析(RPCA)作为基础,在该基础上采用矩阵非凸核范数取代传统的核范数逼近矩阵低秩约束,并结合了前景目标区域连续性的先验知识.该方法恢复出的低秩矩阵即为背景图像矩阵,而稀疏大噪声矩阵则是前景目标位置矩阵.结果 无论是在仿真数据集还是在真实数据集上,本文方法都能够取得比其他低秩类方法更好的效果.在不同数据集上,该方法相对于RPCA方法,前景目标检测性能提升25％左右,背景恢复误差降低0.5左右;而相对于DECOLOR方法,前景目标检测性能提升约2％左右,背景恢复误差降低0.2左右.结论 矩阵秩函数的非凸松弛能够比凸松弛更准确的表征出低秩特征,从而在运动目标检测应用中更准确的恢复出背景.前景目标的区域连续性先验知识能够有效地过滤掉非目标大噪声产生的影响,使得较运动目标检测的精度得到大幅提高.因此,本文方法在动态纹理背景、光照渐变等较复杂场景中均能够较精确地检测出运动目标区域.但由于区域连续性的要求,本文方法对于小区域多目标的检测效果不甚理想.
目的 近年來,低秩矩陣分解被越來越多的應用到運動目標檢測中.但該類方法一般將矩陣秩函數鬆弛為矩陣覈函數優化,導緻揹景恢複精度不高;併且沒有攷慮到前景目標的先驗知識,即區域連續性.為此提齣一種結閤非凸加權覈範數和前景目標區域連續性的目標檢測算法.方法 本文提齣的運動目標檢測模型以魯棒主成分分析(RPCA)作為基礎,在該基礎上採用矩陣非凸覈範數取代傳統的覈範數逼近矩陣低秩約束,併結閤瞭前景目標區域連續性的先驗知識.該方法恢複齣的低秩矩陣即為揹景圖像矩陣,而稀疏大譟聲矩陣則是前景目標位置矩陣.結果 無論是在倣真數據集還是在真實數據集上,本文方法都能夠取得比其他低秩類方法更好的效果.在不同數據集上,該方法相對于RPCA方法,前景目標檢測性能提升25％左右,揹景恢複誤差降低0.5左右;而相對于DECOLOR方法,前景目標檢測性能提升約2％左右,揹景恢複誤差降低0.2左右.結論 矩陣秩函數的非凸鬆弛能夠比凸鬆弛更準確的錶徵齣低秩特徵,從而在運動目標檢測應用中更準確的恢複齣揹景.前景目標的區域連續性先驗知識能夠有效地過濾掉非目標大譟聲產生的影響,使得較運動目標檢測的精度得到大幅提高.因此,本文方法在動態紋理揹景、光照漸變等較複雜場景中均能夠較精確地檢測齣運動目標區域.但由于區域連續性的要求,本文方法對于小區域多目標的檢測效果不甚理想.
목적 근년래,저질구진분해피월래월다적응용도운동목표검측중.단해류방법일반장구진질함수송이위구진핵함수우화,도치배경회복정도불고;병차몰유고필도전경목표적선험지식,즉구역련속성.위차제출일충결합비철가권핵범수화전경목표구역련속성적목표검측산법.방법 본문제출적운동목표검측모형이로봉주성분분석(RPCA)작위기출,재해기출상채용구진비철핵범수취대전통적핵범수핍근구진저질약속,병결합료전경목표구역련속성적선험지식.해방법회복출적저질구진즉위배경도상구진,이희소대조성구진칙시전경목표위치구진.결과 무론시재방진수거집환시재진실수거집상,본문방법도능구취득비기타저질류방법경호적효과.재불동수거집상,해방법상대우RPCA방법,전경목표검측성능제승25％좌우,배경회복오차강저0.5좌우;이상대우DECOLOR방법,전경목표검측성능제승약2％좌우,배경회복오차강저0.2좌우.결론 구진질함수적비철송이능구비철송이경준학적표정출저질특정,종이재운동목표검측응용중경준학적회복출배경.전경목표적구역련속성선험지식능구유효지과려도비목표대조성산생적영향,사득교운동목표검측적정도득도대폭제고.인차,본문방법재동태문리배경、광조점변등교복잡장경중균능구교정학지검측출운동목표구역.단유우구역련속성적요구,본문방법대우소구역다목표적검측효과불심이상.
