一种基于非凸运动辅助的目标检测方法技术

本发明专利技术公开了一种基于非凸运动辅助的目标检测方法，包括步骤1：将待处理的视频数据输入至已构建的低秩稀疏分解模型中；步骤2：采用交替方向乘子法对构建的低秩稀疏分解模型进行求解，得到输入视频数据中的运动目标；本发明专利技术采用非凸γ范数代替传统低秩稀疏分解模型中的秩函数近似表示视频背景的低秩部分，同时考虑到背景在变换域上仍然具有稀疏性的特性，采用l

An object detection method based on nonconvex motion assistance

【技术实现步骤摘要】
一种基于非凸运动辅助的目标检测方法
本专利技术属于计算机视觉领域，特别涉及一种基于非凸运动辅助的目标检测方法。
技术介绍
运动目标检测是计算机视觉等领域最重要和最具有挑战性的任务之一，其性能好坏直接影响目标跟踪、目标识别等后续处理。低秩稀疏分解(LowRankandSparseDecomposition,LRSD)又称为鲁棒主成分分析(RobustPrincipalComponentsAnalysis,RPCA)在计算机视觉等领域被广泛关注，尤其在运动目标检测上表现出巨大的潜力。为了准确地进行运动目标检测，实际场景中面临很多的难题，例如，光照变化、伪装物体以及树叶摇动、水面波纹、喷泉等，对目标的判断容易产生误差，提取的背景噪声大，对前景检测的准确度产生影响，最终导致运动目标检测不准确。背景建模是运动目标检测中的主流方法，许多背景建模方法例如Gaussian混合模型(GaussianMixtureModel,GMM)和可视背景提取(VisualBackgroundextractor,ViBe)等都是基于单个像素的，忽略了像素间的相关信息，在处理一本文档来自技高网...

【技术保护点】
1.一种基于非凸运动辅助的目标检测方法，其特征在于：包括以下步骤：/n步骤1：将待处理的视频数据输入至已构建的低秩稀疏分解模型中；/n步骤2：采用交替方向乘子法对构建的低秩稀疏分解模型进行求解，得到输入视频数据中的运动目标。/n

【技术特征摘要】
20191009 CN 20191095207671.一种基于非凸运动辅助的目标检测方法，其特征在于：包括以下步骤：
步骤1：将待处理的视频数据输入至已构建的低秩稀疏分解模型中；
步骤2：采用交替方向乘子法对构建的低秩稀疏分解模型进行求解，得到输入视频数据中的运动目标。


2.根据权利要求1所述的一种基于非凸运动辅助的目标检测方法，其特征在于：所述低秩稀疏分解模型为基于非凸运动辅助的低秩稀疏分解模型，表达式如下：






Z＝g(L)
其中，Z＝g(L)为辅助变量，g(L)表示对背景矩阵L进行酉变换，||L||γ表示矩阵L的非凸γ范数，||S||1表示矩阵的l1范数，M∈Rm×n表示已知的数据矩阵，W∈Rm×n代表运动辅助信息矩阵，符号表示两个矩阵的对应元素相乘，λ1＞0和λ2＞0是折中因子。


3.根据权利要求2所述的一种基于非凸运动辅助的目标检测方法，其特征在于：所述步骤2具体包括以下步骤：
S21：给定ρ＞1、λ1＞0、λ2＞0、μ0＞0、M和W，初始点L0＝0、S0＝0、Y0＝0和P0＝0，迭代次数j＝0；ρ表示迭代过程的加速因子，λ1，λ2表示折中因子，μ0表示初始的惩罚参数值，M∈Rm×n表示已知的数据矩阵，W∈Rm×n表示运动辅助信息矩阵，L0，S0分别代表了低秩矩阵L和稀疏矩阵S的初始化的零矩阵，Y0，P0表示拉格朗日乘子初始化的零矩阵；
S22：更新变量Lj+1：
Lj+1＝Udiag{σ*}VT
式中，U，V分别表示了对矩阵的奇异值分解的左右正交矩阵，diag(·)表示创建对角矩阵，σ*表示了最优的奇异值，σ*由σk收敛得到：



式中，表示f(·)在σk处的梯度，(·)+表示取正运算，σA表示矩阵A的奇异值，μj表示第j步的惩罚参数；
S23：...

【专利技术属性】
技术研发人员：杨真真，乐俊，范露，许鹏飞，孙雪，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32