[發明專利]基于加權低秩和鄰域組稀疏分解的運動目標檢測方法

在審

• 申請號: 202111168791.5
• 申請日: 2021-09-30
• 公開（公告）號: CN113989700A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 張井合;李林昊;張大蔚;董永峰
• 申請（專利權）人: 金華航大北斗應用技術有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06T5/00;G06F17/16
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 趙芳

1.一種基于加權低秩和鄰域組稀疏分解的移動目標檢測方法，其特征在于：包括步驟如下：

S1、獲取n幀圖像的灰度圖，每幀包含m個像素，將像素歸一化到[0,1]區間，然后將這些幀向量化并堆疊為觀測視頻矩陣

S2、根據像素的圓形鄰域，構造每個視頻幀的重疊局部圖像組，并給出鄰域組稀疏誘導范數的表達式；

S3、將觀測視頻矩陣D分解為低秩背景矩陣B、結構化稀疏前景矩陣S以及高斯噪聲矩陣E，其中E分量吸收動態背景和其他噪聲；

S4、以結構化稀疏前景矩陣S的結構信息和背景減除后的殘差噪聲建模結果，構造權重矩陣W表達式；

S5、根據上述鄰域組稀疏誘導范數表達式、觀測視頻矩陣D的分解方式以及權重矩陣W的表達式，建立最終的加權低秩和鄰域組稀疏分解WLNGS模型；

S6、對步驟S5中的WLNGS模型以交替方向乘子法ADMM求解，在迭代過程中更新權重，最終得到前景目標。

2.根據權利要求1所述的基于加權低秩和鄰域組稀疏分解的移動目標檢測方法，其特征在于：所述步驟S1中鄰域組稀疏誘導范數的表達式為：

其中g_ij＝{(p,q)|(p-i)²+(q-j)²≤r_N²}，表示圓形鄰域中像素的索引集合；||g||_∞表示無窮范數；s^k是矩陣S的第k列，是以集合g_ij中元素為索引形成的稀疏向量s^k的子集；表示各組的權重。

3.根據權利要求2所述的基于加權低秩和鄰域組稀疏分解的移動目標檢測方法，其特征在于：所述

4.根據權利要求1所述的基于加權低秩和鄰域組稀疏分解的移動目標檢測方法，其特征在于：所述步驟S3中觀測視頻矩陣D的分解具體為：

D＝B+S+E

5.根據權利要求1所述的基于加權低秩和鄰域組稀疏分解的移動目標檢測方法，其特征在于：所述步驟S4中的權重矩陣的表達式為：

其中d_ij、b_ij、s_ij和w_ij分別表示D、B、S和W在(i，j)位置上的元素，b_ij在每次迭代求解過程中計算得到；δ²為尺度參數，控制非零權重的數值大??；當s_ij＝0時，(i，j)位置為背景像素且受高斯噪聲的影響，權重w_ij以高斯核構建；當s_ij≠0時，(i，j)位置是前景像素且對背景的恢復沒有貢獻，權重w_ij為0。

6.根據權利要求1所述的基于加權低秩和鄰域組稀疏分解的移動目標檢測方法，其特征在于：所述步驟S5中的WLNGS模型具體為：

其中和是低秩矩陣，r＝min{m,n}，B＝UV為約束條件，參數λ＞0，控制對S的組稀疏懲罰度。

7.根據權利要求1所述的基于加權低秩和鄰域組稀疏分解的移動目標檢測方法，其特征在于：所述步驟S6具體包含以下步驟：

S61、初始化：給定觀測視頻矩陣設置初始參數λ＞0、μ＞0和ρ＞1.0，隨機初始化矩陣B⁽⁰⁾、S⁽⁰⁾、U⁽⁰⁾、V⁽⁰⁾和W⁽⁰⁾,乘子Z⁽⁰⁾＝0，迭代次數t＝0；

S62、更新變量U和V：

S63、更新變量B：

S64、更新變量S：

S65、更新變量W：

S66、更新乘子Z：Z^(t+1)＝Z^(t)+μ^(t)(B^(t+1)-U^(t+1)V^(t+1))；

S67、更新變量μ：μ^(t+1)＝ρμ^(t)；

S68、算法終止條件為或達到最大迭代次數100；若終止條件滿足，迭代結束；否則，令t＝t+1同時返回步驟S62。