【技术实现步骤摘要】
本专利技术涉及视频分析，特别是涉及一种基于张量鲁棒主成分分析的视频分离方法及装置。
技术介绍
1、rpca(robust principal componentanalysis，鲁棒主成分分析)是一种将给定数据矩阵分解为低秩矩阵和稀疏矩阵的方法。rpca已经在各种计算机视觉应用中得到广泛应用，包括视频监控、背景替换、视频编码和动作识别。然而，传统的rpca方法需要进行批处理，这意味着对于给定的视频序列，所有帧都需要被重新塑造成非常长的向量，以形成数据矩阵的列。然后，这个数据矩阵需要存储在内存中进行奇异值分解计算。大多数rpca算法需要多次迭代才能达到收敛，因此基于批处理的方法需要较高的内存开销，并且不适用于大规模数据集。
2、通常情况下，数据是以高阶张量的形式生成的，比如视频帧，其中多个元素之间具有内在的结构。将多维信号向量化可能会破坏数据的固有结构。因此，对于多维信号，对rpca进行高阶扩展变得非常必要。近年来，rpca已经从二维矩阵扩展到三维张量，以捕获数据中的多因素结构。如专利申请号为cn201710076992.x公...
【技术保护点】
1.一种基于张量鲁棒主成分分析的视频分离方法，其特征在于，包括：
2.如权利要求1所述的基于张量鲁棒主成分分析的视频分离方法，其特征在于，稀疏字典的子空间与低秩背景的子空间的正交关系为：
3.如权利要求1或2所述的基于张量鲁棒主成分分析的视频分离方法，其特征在于，对于第1帧的字典张量，通过对无离群值的训练数据进行张量奇异值阈值处理，估计第1帧的低秩背景的初始子空间，根据第1帧的稀疏字典的子空间与第1帧的低秩背景的初始子空间的正交关系，获得第1帧的稀疏字典的子空间。
4.如权利要求3所述的基于张量鲁棒主成分分析的视频分离方法，其特征在...
【技术特征摘要】
1.一种基于张量鲁棒主成分分析的视频分离方法，其特征在于，包括：
2.如权利要求1所述的基于张量鲁棒主成分分析的视频分离方法，其特征在于，稀疏字典的子空间与低秩背景的子空间的正交关系为：
3.如权利要求1或2所述的基于张量鲁棒主成分分析的视频分离方法，其特征在于，对于第1帧的字典张量，通过对无离群值的训练数据进行张量奇异值阈值处理，估计第1帧的低秩背景的初始子空间，根据第1帧的稀疏字典的子空间与第1帧的低秩背景的初始子空间的正交关系，获得第1帧的稀疏字典的子空间。
4.如权利要求3所述的基于张量鲁棒主成分分析的视频分离方法，其特征在于，若没有无离群点训练数据，通过对训练数据执行批量张量来估计低秩背景的初始子空间。
5.如权利要求1或2所述的基于张量鲁棒主成分分析的视频分离方法，其特征在于，基于第t帧的低秩张量使用张量增量svd算法更新低秩背景的子空间的初始估计，包括：
【专利技术属性】
技术研发人员：朱冬，宋雯，方向明，唐国梅，张建，
申请(专利权)人：七腾机器人有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。