低秩矩阵和结构化稀疏分解的视频背景差分方法 a background subtraction method based on decomposition of low rank and sparsity matrices.pdfVIP

下载本文档

51
0
约2.39万字
约 7页
2017-09-04 发布于上海
举报
版权申诉

低秩矩阵和结构化稀疏分解的视频背景差分方法 a background subtraction method based on decomposition of low rank and sparsity matrices.pdf

1、本文档共7页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

低秩矩阵和结构化稀疏分解的视频背景差分方法 a background subtraction method based on decomposition of low rank and sparsity matrices

第50卷第6期西安交通大学学报 V01．50No．6 OFXI’AN UNIVERSITY 2016年6月 JOURNALJIAOTONG Jun．2016 DOI：10．7652／Xjtuxb201606004 低秩矩阵和结构化稀疏分解的视频背景差分方法刘鑫1，张钊强1，姚佳文1，郭莉莉2，齐春1 (1．西安交通大学电子与信息工程学院，710049，西安；2．云南大学信息学院，650091，昆明) 摘要：针对基于矩阵分解的视频前景检测传统算法中忽视前景元素之间相关性会导致检测结果容易受噪声干扰和运动目标检测不完整等问题，提出了一个低秩矩阵和结构化稀疏分解的视频背景差分算法。该算法充分考虑到视频前景区域的结构化分布特征，利用结构化稀疏范数对前景进行约束；针对矩阵分解方法中参数选择的难题，采用了一种基于运动显著性判定的两步法来实现动态背景去除和正则化参数的自适应选择，即第一步利用低秩和结构化稀疏分解获得运动候选块，第二步对运动候选块进行显著性分析并利用自适应正则化参数的块稀疏分解进行前景检测。实验结果表明：与现有的基于矩阵分解的前景检测方法相比，该算法能够更加适应复杂多变的视频环境，在 12R测试库中检测出的前景有较高的精确度和召回率。关键词：前景检测；背景差分；矩阵分解；低秩表示；结构化稀疏中图分类号：TP39l文献标志码：A 文章编号：0253—987X(2016)06—0023—07 A SubtractionMethodBasedon of Background Decomposition LowRankand Matrices Sparsity I。IU Chunl Xinl，ZHANG Jiawenl，GUoLili2，QI Zhaoqian91，YAo (1．SchoolofElectronicsandInformation Engineering，Xi’anJiaotongUniversity，Xi’an710049，China 2．SchoolofInformationScienceand 650091，China) Engineering．YunnanUniversity，Kunming Abstract：A subtractionmethodbasedon oflow—rankandstructured background decomposition matricesis tosolvethe thatdetectionresultsaresensitivetonoiseand sparsity proposed problem caused the between in traditional incompletebyignoringrelationshipforegroundpixels detectionmethodsbasedonmatrix the methodtakesstructural