非凸加权核范数及其在运动目标检测中的应用

摘要：

目的 近年来,低秩矩阵分解被越来越多的应用到运动目标检测中.但该类方法一般将矩阵秩函数松弛为矩阵核函数优化,导致背景恢复精度不高;并且没有考虑到前景目标的先验知识,即区域连续性.为此提出一种结合非凸加权核范数和前景目标区域连续性的目标检测算法.方法 本文提出的运动目标检测模型以鲁棒主成分分析(RPCA)作为基础,在该基础上采用矩阵非凸核范数取代传统的核范数逼近矩阵低秩约束,并结合了前景目标区域连续性的先验知识.该方法恢复出的低秩矩阵即为背景图像矩阵,而稀疏大噪声矩阵则是前景目标位置矩阵.结果 无论是在仿真数据集还是在真实数据集上,本文方法都能够取得比其他低秩类方法更好的效果.在不同数据集上,该方法相对于RPCA方法,前景目标检测性能提升25％左右,背景恢复误差降低0.5左右;而相对于DECOLOR方法,前景目标检测性能提升约2％左右,背景恢复误差降低0.2左右.结论 矩阵秩函数的非凸松弛能够比凸松弛更准确的表征出低秩特征,从而在运动目标检测应用中更准确的恢复出背景.前景目标的区域连续性先验知识能够有效地过滤掉非目标大噪声产生的影响,使得较运动目标检测的精度得到大幅提高.因此,本文方法在动态纹理背景、光照渐变等较复杂场景中均能够较精确地检测出运动目标区域.但由于区域连续性的要求,本文方法对于小区域多目标的检测效果不甚理想.

关键词：运动目标检测、低秩矩阵分解、非凸加权核范数、区域连续性、矩阵恢复

所属期刊栏目：20

分类号：TP394.1(计算技术、计算机技术)

资助基金：国家自然科学基金项目61373063, 61233011, 61125305, 61220301, 61375007;国家重点基础研究发展计划2014CB349303National Natural Science Foundation of China61373063, 61233011, 61125305, 61220301, 61375007;National Basic Research Program of China2014CB349303

在线出版日期：2015-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1482-1491