基于运动信息辅助RPCA算法的视频前背景分离.docxVIP

基于运动信息辅助RPCA算法的视频前背景分离 Foreground-Background Separation From Video Clips via Motion-Assisted Matrix Restoration 学科专业：信息与通信工程研 究 生：孙 鑫 指导教师：杨敬钰 副教授 天津大学电子信息工程学院二〇一四 年十二 月十二 日 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 天津大学 或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名: 签字日期: 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 天津大学 有关保留、使用学位论文的规定。特授权 天津大学 可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。 (必威体育官网网址的学位论文在解密后适用本授权说明) 学位论文作者签名: 导师签名: 签字日期: 年 月 日 签字日期: 年 月 日 摘 要 摘 要 PAGE \* ROMAN PAGE \* ROMAN II 摘 要 视频前景背景分离是对视频序列中感兴趣的前景运动目标进行检测、跟踪并提取出背景的过程，这同样也是后续的识别、分类和跟踪工作的基础。因此，对于视频前景背景分离的研究有着重要的意义。 本文针对视频前景背景分离，提出了一种融合前景运动信息的矩阵复原（MAMR） 算法。在 MAMR 模型中，帧间的背景用低秩矩阵来建模，前景物体通过稀疏矩阵 来建模。为了使得分离结果更加精准，首先估计逐帧的密集运动场，然后映射到 MAMR 模型的权重矩阵内，矩阵内每一位置标识着当前位置像素属于背景的概率。在求取密集运动场时，我们选取固定参考帧，以消除慢速运动物体和伪装物在背景中留下的拖尾痕迹。 本文的 MAMR 模型通过增广拉格朗日乘子（augmented Lagrange multiplier， ALM）算法和基于方向交替（alternating direction method，ADM）算法来求解。前景物体通过背景减技术来求取。同时，为了增强对密集噪声的抗干扰性，本文引入了更强的约束，将 MAMR 模型扩展成了具有实际应用意义的鲁棒 MAMR 模型 （RMAMR）。 在实验中，首先分析了运动信息向权重矩阵映射的过程中参数对结果的影响， 然后和目前最先进的背景提取方法进行了比较。实验结果表明，我们的方法适用于各种监控视频的前背景分离，例如含有光照变化、伪装物、不同类型的运动的视频等；而且，优于其他的方法。 关键词： 背景提取，光流，运动检测，矩阵修复，监控视频 ABSTRACT ABSTRACT Separation of video streams into foreground and background components is a useful and important technique in video analysis, making recognition, classification and scene analysis more e?cient. In this paper, we propose a motion-assisted matrix restoration (MAMR) model for foreground-background separation from video clips. In the proposed MAMR model, the backgrounds across frames are modeled by a low-rank matrix, while the foreground objects are modeled by a sparse matrix. To facilitate e?cient foreground-background separation, a dense motion field is estimated for each frame, and mapped into a weighting matrix which indicates the likelihood that each pixel belongs to the background. Anchor frames are selected in the dense motion estimation