科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对低秩与稀疏方法一般将前景看作背景中存在的异常像素点,从而使得在复杂场景中前景检测精确度下降的问题,提出一种结合加权Schatten-p范数与3D全变分(3D-TV)的前景检测模型。该模型首先将观测数据三分为低秩背景、运动前景和动态干扰;然后利用3D全变分来约束运动前景,并加强对前景目标时空连续性的先验考虑,有效抑制了不连续动态背景异常点的随机扰动;最后利用加权Schatten-p范数约束视频背景的低秩性能,去除噪声干扰。实验结果表明,与鲁棒主成分分析(RPCA)、高阶RPCA(HoRPCA)和张量RPCA(TRPCA)等模型相比,所提模型的综合衡量指标F-measure值是最高的,查全率与查准率也处于最优或次优状态。由此可知,所提模型在动态背景、恶劣天气等复杂场景中能有效提高运动目标的提取精确度,且提取的前景目标视觉效果较好。
- 单位
