school
Macau Periodical Index (澳門期刊論文索引)
- Author
- 陳國勳；羅少龍；夏良永
- Title
- 基於張量分解在運動目標檢測的研究
- Journal Name
- 澳門科技大學學報
- Pub. Info
- 2018年6月30日, 第12卷第1期, 第84-99頁
- Link
- http://lib.must.edu.mo/sites/default/files/assets/images/Duu/4-%E6%BE%B3%E9%96%80%E7%A7%91%E6%8A%80%E5%A4%A7%E5%AD%B8%E5%AD%B8%E5%A0%B1-2018%E5%B9%B4%E7%AC%AC%E4%B8%80%E6%9C%9F.pdf
- Keyword
- 運動目標識別；張量；光流；截斷高階奇異值分解；立方體稀疏；L 1/2正則化
- Abstract
- 摘要 : 本文對監控儀器產生的海量視頻資料，識別其中包含運動目標的方法進行研究，視頻序列可直接轉化張量；從而儘量完整保留視頻中的時空資訊，首先介紹改良基於三階張量的截斷高階奇異值分解（T-HOSVD）方法，即對視頻圖像序列進行張量分解並截斷的方法，以此演算法為基礎，加入顏色特徵和閾值處理提出四階張量的T-4DHOSVD方法，該方法有更好的影子排除功能，並得到很好的運動目標識別效果；再者，提出一種基於L 1/2正則化的立方體稀疏張量運動目標檢測演算法，該演算法對視頻圖像序進行低秩－稀疏張量分解。最後，考慮到視頻背景的功能變化，容易產生幹擾及噪音，我們在演算法中加入了光流計算移動特徵作後處理，通過結合三種光流計算移動特徵策略，提高目標識別的精確率及召回率。 段落標題： 1. 文獻綜述 1.1. RPCA方法 1.2. 張量方法 2. 研究方法 2.1. 張量及其相關理論 2.2. 與文本方法相關的其他方法 2.2.1. DECOLOR方法 2.2.2. Flux Tensor with Split Gaussian Models方法 2.2.3. GOROLA方法 2.3. 截斷高階奇異值分解方法（T-HOSVD） 2.4. 基於L1/2正則化的立方體稀疏張量運動目標檢測算法 2.5. 移動特征後處理 2.5.1. 光流基本理論 2.5.2. 光流計算移動特征 2.5.3. 移動特征應用在運動目標檢測算法的後處理 3. 實驗 3.1. 實驗環境 3.2. 度量方法 3.3. 實驗結果 4. 總結 附表： 1. 各方法在shopping hall的精確率、召回率及執行時間對比 2. 各方法在shopping hall的精確率、召回率對比 3. 各方法在Bootstrap的精確率、召回率對比 4. 三種策略在Bootstrap的精確率、召回率對比 5. 三種策略在改進的截斷高階SVD算法的精確率、召回率對比 6. 不同等距光流策略應用在T-HOSVD（改良）的精確率及召回率 7. 不同等距光流策略應用在TCS via Tensor IALM with L1/2的精確率及召回率 附圖： 1. 低秩-稀疏矩陣分解 2. 視頻序列向量化示意圖 3. 視頻序列張量形式示意圖 4. 視頻序列張量分解成前景張量、背景張量示意圖 5. 一階張量（向量） 6. 二階張量（矩陣） 7. 三階張量（立方體） 8. 張量CP分解示意圖 9. 張量TUCKER分解示意圖 10. FTSG算法流程圖 11. 截斷高階SVD算法示意圖 12. 改進的截斷高階SVD算法示意圖1 13. 改進的截斷高階SVD算法示意圖2 14. T-HOSVD（改進）在3個數據集執行的結果 15. T-4DHOSVD在3個數據集執行的結果 16. 視頻序列低秩-稀疏張量分解示意圖 17. 立方體分割示意圖 18. 光流場示意圖 19. 計算全局光流長度矩陣計算示意圖 20. 計算加權光流長度矩陣示意圖 21. 計算等距光流長度矩陣示意圖 22. T-HOSVD在不同因子矩陣設置對前景目標影響 23. T-HOSVD及 T-HOSVD（改進）檢測前景目標 24. 各方法應用在carheavyrain效果對比 25. 各方法應用在shopping效果對比 26. 各方法應用在Bootstrap效果對比 27. 主要方法在shopping hall的ROC曲線 28. 主要方法在Bootstrap的ROC曲線 29. 三種光流策略使用TCS via Tensor IALM應用在Bootstrap效果對比 30. 三種光流策略在改進的截斷高階SVD算法應用在Bootstrap效果對比 31. 不同等距光流策略應用在T-HOSVD的結果 32. 不同等距光流策略應用在TCS via Tensor IALM with L1/2的結果