[發明專利]一種基于群稀疏魯棒PCA的運動目標檢測方法

有效

• 申請號: 201410659365.5
• 申請日: 2014-11-18
• 公開（公告）號: CN104361611A
• 公開（公告）日: 2015-02-18
• 發明（設計）人: 孫玉寶;周偉;劉青山;杭仁龍;鄧健康
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 許方

1.一種基于群稀疏魯棒PCA的運動目標檢測方法，其特征在于：包括如下步驟：

步驟1、輸入待測視頻序列D，初始化群稀疏魯棒PCA模型的參數，該模型為min||A||*+λ||E||Groups.t.D=A+E,]]>其中，||A||_*為背景矩陣A的核范數，||E||_Group為運動目標矩陣E的Group范數，λ為正則化參數；

步驟2、利用過分割算法對待測視頻序列D的每一幀進行過分割，使得過分割后的各區域為同性區域，并得到各同性區域的邊界坐標，將各同性區域作為一個分組，得到待測視頻序列D的總分組數；

步驟3、設置最大迭代次數，對步驟2得到的所有分組利用增廣拉格朗日乘子法對步驟1所述背景矩陣A和運動目標矩陣E進行交替迭代優化，當前迭代次數為k，則：

(1)計算k+1次迭代時的E_k+1值，計算矩陣T＝D-A_k+μ_k^-1Y_k，通過Group范數的閾值收縮公式進行求解，閾值收縮公式如下：

T~gi=||Tgi||2-λ/μk||Tgi||2Tgi,if||Tgi||2>λ/μk0,otherwise,1≤i≤J]]>

其中，為矩陣T在g_i分組的像素所組成的向量，為收縮后的向量值，更新后的Ek+1=U1≤i≤JT~gi;]]>

(2)計算k+1次迭代時的A_k+1值，計算矩陣T＝D-E_k+1+μ_k^-1Y_k，對T進行skinny奇異值閾值收縮，得到更新后的A_k+1；

(3)計算k+1次迭代后的拉格朗日乘子Y_k+1以及懲罰參數μ_k+1；

步驟4、更新迭代次數為k+1，若更新后的迭代次數大于步驟3設置的最大迭代次數，則進入步驟5；若更新后的迭代次數小于等于步驟3設置的最大迭代次數，則繼續判斷是否滿足收斂條件，滿足則進入步驟5，不滿足則重復步驟3，繼續迭代；

步驟5、輸出所得的背景矩陣A和檢測得到的運動目標矩陣E。