一种基于鲁棒低秩稀疏分解的视频前背景分离方法技术

本发明专利技术公开了一种基于鲁棒低秩稀疏分解的视频前背景分离方法，将待处理视频转化为一个大小为m行，n列的二维矩阵M，m为视频每帧的长宽积，n为视频的帧数；将二维矩阵M输入至预先构建的基于鲁棒低秩稀疏分解的视频前背景分离方法的模型，输出对应于视频背景的低秩矩阵B、对应于视频前景的稀疏矩阵F和噪声矩阵G；所述基于鲁棒低秩稀疏分解的视频前背景分离方法的模型采用广义非凸核范数作为模型的秩函数，采用结构化稀疏诱导范数作为模型的l

【技术实现步骤摘要】
一种基于鲁棒低秩稀疏分解的视频前背景分离方法
本专利技术涉及一种基于鲁棒低秩稀疏分解的视频前背景分离方法，属于视频处理

技术介绍
视频前背景分离技术是从海量视频数据中提取关键信息的技术，是视频处理过程中核心步骤，在交通控制、社会安全和信号处理等方面发挥着重要作用。近十年来，人们围绕该技术展开了广泛的研究并取得了显著的成果。最初，研究者采用主成分分析算法(PrincipalComponentAnalysis,PCA)进行视频背景建模在图像识别,图像特征压缩,人脸识别和视频前背景分离等方面得到了广泛应用，但是，该方法鲁棒性不高，抗噪声能力比较弱，并且容易丢失视频中的一些关键信息会导致视频前背景分离效果不佳；低秩稀疏方法是将视频分解为稀疏分量和低秩分量，并转化为优化的方法进行求解，大大推动了视频前背景分离方法的发展，尤其是基于低秩稀疏分解的主成分分析算法(PrincipalComponentPursuit,PCP)，虽然该方法极大的改善了视频前背景分离的效果，但是对噪声腐蚀比较严重的视频处理效果欠佳。专利
技术实现思路
本专本文档来自技高网...

【技术保护点】
1.一种基于鲁棒低秩稀疏分解的视频前背景分离方法，其特征在于，/n将待处理视频转化为一个大小为m行，n列的二维矩阵M，m为视频每帧的长宽积，n为视频的帧数；/n将二维矩阵M输入至预先构建的基于鲁棒低秩稀疏分解的视频前背景分离方法的模型，输出对应于视频背景的低秩矩阵B、对应于视频前景的稀疏矩阵F和噪声矩阵G；/n所述基于鲁棒低秩稀疏分解的视频前背景分离方法的模型采用广义非凸核范数作为模型的秩函数，采用结构化稀疏诱导范数作为模型的l

【技术特征摘要】
1.一种基于鲁棒低秩稀疏分解的视频前背景分离方法，其特征在于，
将待处理视频转化为一个大小为m行，n列的二维矩阵M，m为视频每帧的长宽积，n为视频的帧数；
将二维矩阵M输入至预先构建的基于鲁棒低秩稀疏分解的视频前背景分离方法的模型，输出对应于视频背景的低秩矩阵B、对应于视频前景的稀疏矩阵F和噪声矩阵G；
所述基于鲁棒低秩稀疏分解的视频前背景分离方法的模型采用广义非凸核范数作为模型的秩函数，采用结构化稀疏诱导范数作为模型的l0范数，并增加噪声项。


2.根据权利要求1所述的基于鲁棒低秩稀疏分解的视频前背景分离方法，其特征在于，所述基于鲁棒低秩稀疏分解的视频前背景分离方法的模型为：



s.t.M＝B+F+G
其中，λ1＞0,λ2＞0均为上式的正则化参数，||.||F为Frobenius范数，g(.)表示在是非凸的、闭的、正常的下半连续函数，表示由正实数到正实数的映射，σi(B)为B的第i个奇异值，Φ(F)是F的结构化稀疏诱导范数，表示最小时对应的B和F，min(m,n)表示m和n的最小值。


3.根据权利要求2所述的基于鲁棒低秩稀疏分解的视频前背景分离方法，其特征在于，所述二维矩阵M的结构化稀疏诱导范数Φ(F)为：



其中，Fj为F的第j个元素的值；||·||∞为无穷范数；为每个组的权重，D为预定义的组分布的集合，其中每一个组分布为d；Fd为组分布为d的F的子集，maxj∈d|Fj|表示|Fj|的最大值。


4.根据权利要求3所述的基于鲁棒低秩稀疏分解的视频前背景分离方法，其特征在于，采用交替方向...

【专利技术属性】
技术研发人员：杨永鹏，李建林，武文扬，刘天琦，
申请(专利权)人：南京信息职业技术学院，
类型：发明
国别省市：江苏;32