文献类型：期刊文章

作　　者：隋中山[1] 李俊山[1] 张姣[1] 樊少云[2] 孙胜永[3]

SUI Zhong-shan LI Jun-shan ZHANG Jiao FAN Shao-yun SUN Sheng-yong(Department of Information Engineering, Rocket Force University of Engineering, Xi＇ an 710025, China 96518 Army Force, Huaihua 418000, China Operational Tactics Teaching and Research Section, Nanjing Artillery Academy, Nanjing 211132, China)

机构地区：[1]火箭军工程大学信息工程系 [2]96518部队 [3]南京炮兵学院战役战术教研室

出　　处：《光学精密工程》

基　　金：国家自然科学基金资助项目(No.61175120)

年　　份：2017

卷　　号：25

期　　号：2

起止页码：529-536

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI(收录号：20172203698669)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对视频中前景检测的问题,提出了一种基于张量低秩表示(Tensor Low-Rank Representation,TLRR)和时空稀疏分解的检测方法。由于视频序列中的前景除具有稀疏性外,本身还具有空间上的连续性以及时间上的持续性,本文提出采用时空稀疏范数对前景特性进行深入发掘。利用张量低秩表示方法将原始视频用张量形式进行分解,充分利用了原始数据的行信息和列信息,且将原始的背景、前景二分解泛化为背景、前景和噪声的三分解,使用非精确增广拉格朗日乘子(Inexact Augmented Lagrange Multiplier,IALM)方法进行最优化求解,并对算法进行了分析。设计实验对本文新方法的有效性进行了验证和比较,并对影响算法效果的重要参数ρ进行了进一步研究实验。实验结果表明:该方法能够有效检测出视频中的运动前景,其准确性相对已有方法有一定提高。

关 键 词：视频 前景检测  低秩  时空稀疏分解  张量低秩表示  非精确增广拉格朗日乘子  

分 类 号：TP391.4]