school
Macau Periodical Index (澳門期刊論文索引)
- Author
- 陳國勳；羅少龍；夏良永
- Title
- 高維數據中顯著性運動目標檢測的方法研究
- Journal Name
- 澳門科技大學學報
- Pub. Info
- 2016年12月30日, 第10卷第2期, 第96-103頁
- Link
- http://lib.must.edu.mo/sites/default/files/assets/images/Duu/must_journal_201602.pdf
- Keyword
- 運動目標辨認；RPCA；Block sparse；L1/2正則化
- Abstract
- 摘要 : 本文對監控視頻產生的高維數據，辨認其中包含顯著性運動目標的方法進行研究。傳統的RPCA算法沒有充分考慮到運動目標光流特徵以及難以適應動態變化背景。在這一問題上，已有的L1正則化塊稀疏RPCA方法較好地考慮了運動目標的光流特征，而本文針對該演算法進行改良。利用L1/2稀疏理論，提出一種基於L1/2正則化的塊稀疏RPCA運動目標認演算法。該演算法對視頻圖像序進行低秩－稀疏分解，達到運動目標辨認的目的。通過與現有方法的結果進行比較與分析，表明所提出的演算法能有效地排除運動和變化背景的干擾，提高對小型顯著性運動目標的辨認率。 段落標題： 1. 引言 2. 文獻綜述 2.1. 幀間差分法 2.2. 背景差分法 2.3. 光流法 2.4. RPCA方法 3. 研究方法 3.1.1. 基於RPCA運動檢測算法 3.1.1. IALM 3.1.2. L0、L1、L2、L1/2範數的概述 3.1.3. 範數的優化方法 3.2. 基於L1/2 RPCA運動目標辨認算法 3.3. 基於L1/2 的Block-sparse RPCA一致性運動辨認算法 4. 實驗分析 4.1. 實驗環境 4.2. 度量方法 4.3. 實驗結果 5. 總結 附表： 1. 各方法在Bootstrap的精確率、召回率對比 2. 各方法在shopping hall的精確率、召回率對比 附圖： 1. 低秩－稀疏矩陣分解 2. 基於Block-sparse的RPCA一致性運動辨認算法步驟 3. 監控視頻的其中12張圖片的示意圖 4. 矩陣向量化示意圖 5. 獲取粗糙的前景稀疏塊 6. 各方法應用在carheavyrain效果 7. BS RPCA via IALM with L1效果 8. BS RPCA via IALM with L1/2效果 9. 各方法應用在Bootstrap效果 10. 各方法應用在shopping hall效果