运动目标提取方法及装置制造方法及图纸

本发明专利技术提供了一种运动目标提取方法及装置，所述方法包括：获取连续的多帧图像，将所述多帧图像用三阶张量进行表示，图像的三阶张量中包括低秩部分和稀疏部分，所述稀疏部分包括第一稀疏部分和第二稀疏部分，所述第二稀疏部分的稀疏性大于所述第一稀疏部分；以分别对应所述图像的三阶张量中的低秩部分、稀疏部分、第一稀疏部分以及第二稀疏部分的四个未知三阶张量建立运动目标提取模型，所述运动目标提取模型为优化问题；利用交替方向乘子法对所述运动目标提取模型迭代求解，获得低秩部分、稀疏部分、第一稀疏部分以及第二稀疏部分的最优值；根据所述第一稀疏部分的最优值获得所述运动目标图像。

Moving target extraction method and device

The present invention provides a method and a device for extracting moving object, the method comprises: acquiring the image sequences, the multi frame image with three order tensor representation, three order tensor images including low rank part and sparse, the sparse part includes the first part and the second sparse sparse the second part, the sparse sparse part is higher than that of the first part of the three order tensor sparse; that correspond to the image in low rank, sparse part, first part and the second part of the sparse sparse four unknown three order tensor established moving object extraction model, extraction model of the moving target for optimization problems; iterative model of the moving target is extracted by using the alternating direction method of multipliers, low rank, sparse part, the first part and the second part of the sparse sparse optimal The moving target image is obtained according to the optimal value of the first sparse part.

【技术实现步骤摘要】

本专利技术涉及图像处理领域，具体而言，涉及一种运动目标提取方法及装置。
技术介绍
目前对于基于稀疏和低秩理论的运动目标的提取主要是将获得的包括运动目标的多帧图像用一个矩阵表示，由于不同帧间静态背景的高度相似性，该矩阵中表示背景的部分具有低秩性，又由于相对于背景部分，代表车或行人等运动目标的前景部分通常只占每一帧图像像素的小部分，因此，前景部分可以看作是该矩阵中的稀疏误差。因此，现有技术中，通常提取矩阵中的低秩部分和稀疏部分，通过计算稀疏部分来获取图像中的运动目标。但是，在实际情况中，由于背景部分和前景部分的外观会随着光照和视角的变化而变化，且很多应用场合中背景部分可能存在呈动态变化的部分，如摇晃的树叶、水面的波纹等。在该背景部分存在动态背景的情况下，现有技术中的运动目标提取方法，提取的稀疏部分中也包括了动态背景部分，使提取的运动目标结果不准确。
技术实现思路
有鉴于此，本专利技术实施例提供了一种运动目标提取方法及装置，在提取的稀疏部分的基础上，对稀疏部分进一步提取，提取出稀疏的运动目标以及更稀疏的动态背景，使获得的运动目标结果更为准确。为了实现上述目的，本专利技术采用的技术方案如下：一本文档来自技高网...

【技术保护点】
一种运动目标提取方法，其特征在于，用于对具有动态背景的时间上连续的多帧图像中的运动目标进行提取，所述方法包括：获取连续的多帧图像，将所述多帧图像用三阶张量进行表示，所述三阶张量中包括表示所述多帧图像中静态背景的低秩部分和表示所述多帧图像中动态部分的稀疏部分，所述稀疏部分包括表示所述多帧图像中运动目标的第一稀疏部分和表示所述多帧图像中动态背景的第二稀疏部分，所述第二稀疏部分的稀疏性大于所述第一稀疏部分；以分别对应所述多帧图像的三阶张量中的低秩部分、稀疏部分、第一稀疏部分以及第二稀疏部分的四个未知三阶张量建立运动目标提取模型，所述运动目标提取模型为优化问题；利用交替方向乘子法对所述运动目标提取模型...

【技术特征摘要】
1.一种运动目标提取方法，其特征在于，用于对具有动态背景的时间上连续的多帧图像中的运动目标进行提取，所述方法包括：获取连续的多帧图像，将所述多帧图像用三阶张量进行表示，所述三阶张量中包括表示所述多帧图像中静态背景的低秩部分和表示所述多帧图像中动态部分的稀疏部分，所述稀疏部分包括表示所述多帧图像中运动目标的第一稀疏部分和表示所述多帧图像中动态背景的第二稀疏部分，所述第二稀疏部分的稀疏性大于所述第一稀疏部分；以分别对应所述多帧图像的三阶张量中的低秩部分、稀疏部分、第一稀疏部分以及第二稀疏部分的四个未知三阶张量建立运动目标提取模型，所述运动目标提取模型为优化问题；利用交替方向乘子法对所述运动目标提取模型迭代求解，获得低秩部分、稀疏部分、第一稀疏部分以及第二稀疏部分的最优值；根据所述第一稀疏部分的最优值获得所述运动目标图像。2.根据权利要求1所述的方法，其特征在于，所述运动目标提取模型表示为：min||B||HOSVD+λ1||M||1+λ2||E||1+λ3||F||TVs.t.O＝B+M,M＝F+E其中，O表示所述多帧图像的三阶张量，B表示所述低秩部分对应的三阶张量，M表示所述稀疏部分对应的三阶张量，F表示所述第一稀疏部分对应的三阶张量，E表示所述第二稀疏部分对应的三阶张量，λ1、λ2、λ3均为预设值。3.根据权利要求2所述的方法，其特征在于，所述第一稀疏部分F的全变分范数||F||TV用同性全变分范数表示，所述运动目标提取模型表示为min||BHOSVD+λ1||M||1+λ2||E||1+λ3||DF||2,1s.t.O＝B+M,M＝F+E。4.根据权利要求1所述的方法，其特征在于，所述利用交替方向乘子法对所述运动目标提取模型迭代求解的收敛中，以低秩部分对应的三阶张量以及稀疏部分对应的三阶张量之和与所述图像的三阶张量的差值的绝对值小于或等于预设阈值作为收敛条件。5.根据权利要求1所述的方法，其特征在于，所述利用交替方向乘子法对所述运动目标提取模型迭代求解的收敛中，以迭代次...

【专利技术属性】
技术研发人员：杨晓梅，徐联微，刘凯，张洪斌，徐文，向雨晴，张佳楠，罗月婉，郭朝云，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51