[发明专利]一种基于非凸范数的运动目标检测方法及系统

说明书

本发明公开了一种基于非凸范数的运动目标检测方法及系统，包括：获取视频信息，将视频信息转换为矩阵；将矩阵输入到预先构建的基于改进的鲁棒主成分分析的运动目标检测模型，采用交替方向乘子法求解运动目标检测模型，根据求解结果提取运动目标；所述运动目标检测模型采用非凸log范数和截断分数范数作为鲁棒主成分分析中的稀疏度函数和秩函数。优点：基于改进的鲁棒主成分分析的运动目标检测模型中的非凸log范数和截断分数范数更能有效的逼近传统鲁棒主成分分析模型中的秩函数和稀疏度函数，提取的运动目标效果更好。

技术领域

本发明涉及一种基于非凸范数的运动目标检测方法及系统，属于多媒体信息处理技术领域。

背景技术

运动目标检测是近几年来人们研究的热点，传统的方法包括双高斯模型，高斯混合模型等，但是该类方法是针对单像素的，功能比较局限。主成分分析方法通过对背景进行建模来提取运动目标，但是该类方法由于没有对运动目标进行建模，从而导致效果不佳。近十年来，鲁棒主成分分析方法被提出并被广泛用于运动目标检测中，该方法的基本思想为分别对运动目标和背景进行建模，例如基于鲁棒主成分分析的主成分追踪方法，非凸低秩稀疏分解方法，运动信息辅助的鲁棒主成分分析方法等。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种基于非凸范数的运动目标检测方法及系统。

为解决上述技术问题，本发明提供一种基于非凸范数的运动目标检测方法，包括：

获取视频信息，将视频信息转换为观测矩阵，其中观测矩阵的每一列为视频的一帧，观测矩阵的行数为视频对应的帧数；

将观测矩阵输入到预先构建的基于改进的鲁棒主成分分析的运动目标检测模型，采用交替方向乘子法求解基于改进的鲁棒主成分分析的运动目标检测模型，根据求解结果提取运动目标；所述基于改进的鲁棒主成分分析的运动目标检测模型采用非凸log范数和截断分数范数作为鲁棒主成分分析中的稀疏度函数和秩函数。

进一步的，所述运动目标检测模型为：

s.t.D＝L+S

其中，D为视频信息转换为的观测矩阵，L∈R^m×n为观测矩阵D中的低秩背景矩阵，为截断分数范数,σ_t(L)是L的第t个奇异值，m,n分别为观测矩阵的行和列，r为截断参数，β为分数范数参数，S∈R^m×n为观测矩阵D中的稀疏前景矩阵，α为log范数的参数，λ为折中参数，下标ij表示对应矩阵的第i行第j列的元素，R^m×n是m×n维实空间。

进一步的，所述采用交替方向乘子法求解运动目标检测模型，包括：

1)根据所述运动目标检测模型确定其对应的增广拉格朗日函数，表示为：

其中，μ＞0是惩罚因子，Y是拉格朗日乘子，,是矩阵内积，║·║_F是Frobenius范数；

2)对低秩背景矩阵L、稀疏前景矩阵S、拉格朗日乘子Y、惩罚因子μ进行更新，包括：

21)获取L，Y和μ的初始值或者前一次循环对应的更新值，固定L，Y和μ，更新S，得到：

将S^k+1转换为标量的最小化计算，如下式所示：

其中，上标或下标k表示前一次更新状态，上标或下标k+1表示当前更新状态，k＝1,2,…K，K表示满足终止条件的前一次循环次数，

令对其关于变量S_ij求导并令导数等于0，得S_ij为：：