[发明专利]基于低秩稀疏分解的运动目标检测方法

权利要求书

1.一种基于低秩稀疏分解的运动目标检测方法，其特征在于，包括以下步骤：

(1)根据结构化分布的稀疏信号，构造具有重叠块结构的结构化稀疏诱导范数表达式；

(2)将上述的结构化稀疏诱导范数表达式扩展，得到应用于视频的最终结构化稀疏诱导范数表达式；

(3)将低秩稀疏分解算法中的稀疏部分S进一步分为动态背景E和前景运动目标F；

(4)结合上述结构化稀疏诱导范数表达式和稀疏部分的进一步划分，获得最终的低秩稀疏分解模型；

(5)对所获取的低秩稀疏分解模型求解，解得前景目标；

采用广义交替方向乘子法对所述的低秩稀疏分解模型进行求解，具体包括以下步骤：

(61)初始化:给定m行n列的观测矩阵M，设置初始参数λ₁＞0、λ₂＞0、λ₃＞0、μ₀＞0、μ_max＞μ₀和ρ＞1，初始点S₀＝0、E₀＝0、F₀＝0、和Y₀＝0,迭代次数k＝0；

(62)更新变量L:‖L‖_*为矩阵L的核范数，表示矩阵L的所有奇异值之和；

(63)更新变量S:

(64)更新变量E:

α∈(0,2)为松弛因子；

(65)更新变量F:

(66)更新乘子X:X_k+1＝X_k-μ_k[αL_k+1+(1-α)(M-S_k+1)+S_k+1-M]；

(67)更新乘子Y:Y_k+1＝Y_k-μ_k[αE_k+1+(1-α)(S_k+1-F_k+1)+F_k+1-S_k+1]；

(68)更新变量μ:μ_k+1＝min(ρμ_k,μ_max)；

(69)算法终止条件为若满足终止条件，迭代终止，否则，令k＝k+1返回步骤(62)。

2.根据权利要求1所述的基于低秩稀疏分解的运动目标检测方法，其特征在于,步骤(1)中所述的重叠块结构的结构化稀疏诱导范数，其表达式为：

其中S是具有结构化分布的稀疏信号，S_j为S的第j个元素；||·||_∞表示无穷范数，是所有元素的最大绝对值；η_g为第g组的权重，η_g0；G为预先定义的组分布的集合，其中每一个组分布为g；S_g为组分布为g的S的子集。

3.根据权利要求2所述的基于低秩稀疏分解的运动目标检测方法，其特征在于,所述的扩展后的结构化稀疏诱导范数表达式为：

其中，S∈R^m×n是具有结构化分布的稀疏信号组成的矩阵，其第j列向量s_j∈R^m；s_j,g表示矩阵S的第j列属于第g组的所有元素。

4.根据权利要求3所述的基于低秩稀疏分解的运动目标检测方法，其特征在于,步骤(4)中所述的低秩稀疏分解模型为：

其中M为原始视频数据，L为低秩矩阵表示背景，S表示由动态背景成分E和前景运动目标F组成的稀疏部分，λ₁、λ₂、λ₃为平衡相应项的权重的正数，Φ(F)为结构化稀疏范数。

5.根据权利要求4所述的基于低秩稀疏分解的运动目标检测方法，其特征在于,将所述的低秩稀疏分解模型转化为松弛问题：