[发明专利]基于加权低秩和邻域组稀疏分解的运动目标检测方法

权利要求书

1.一种基于加权低秩和邻域组稀疏分解的移动目标检测方法，其特征在于：包括步骤如下：

S1、获取n帧图像的灰度图，每帧包含m个像素，将像素归一化到[0,1]区间，然后将这些帧向量化并堆叠为观测视频矩阵

S2、根据像素的圆形邻域，构造每个视频帧的重叠局部图像组，并给出邻域组稀疏诱导范数的表达式；

S3、将观测视频矩阵D分解为低秩背景矩阵B、结构化稀疏前景矩阵S以及高斯噪声矩阵E，其中E分量吸收动态背景和其他噪声；

S4、以结构化稀疏前景矩阵S的结构信息和背景减除后的残差噪声建模结果，构造权重矩阵W表达式；

S5、根据上述邻域组稀疏诱导范数表达式、观测视频矩阵D的分解方式以及权重矩阵W的表达式，建立最终的加权低秩和邻域组稀疏分解WLNGS模型；

S6、对步骤S5中的WLNGS模型以交替方向乘子法ADMM求解，在迭代过程中更新权重，最终得到前景目标。

2.根据权利要求1所述的基于加权低秩和邻域组稀疏分解的移动目标检测方法，其特征在于：所述步骤S1中邻域组稀疏诱导范数的表达式为：

其中g_ij＝{(p,q)|(p-i)²+(q-j)²≤r_N²}，表示圆形邻域中像素的索引集合；||g||_∞表示无穷范数；s^k是矩阵S的第k列，是以集合g_ij中元素为索引形成的稀疏向量s^k的子集；表示各组的权重。

3.根据权利要求2所述的基于加权低秩和邻域组稀疏分解的移动目标检测方法，其特征在于：所述

4.根据权利要求1所述的基于加权低秩和邻域组稀疏分解的移动目标检测方法，其特征在于：所述步骤S3中观测视频矩阵D的分解具体为：

D＝B+S+E

5.根据权利要求1所述的基于加权低秩和邻域组稀疏分解的移动目标检测方法，其特征在于：所述步骤S4中的权重矩阵的表达式为：

其中d_ij、b_ij、s_ij和w_ij分别表示D、B、S和W在(i，j)位置上的元素，b_ij在每次迭代求解过程中计算得到；δ²为尺度参数，控制非零权重的数值大小；当s_ij＝0时，(i，j)位置为背景像素且受高斯噪声的影响，权重w_ij以高斯核构建；当s_ij≠0时，(i，j)位置是前景像素且对背景的恢复没有贡献，权重w_ij为0。

6.根据权利要求1所述的基于加权低秩和邻域组稀疏分解的移动目标检测方法，其特征在于：所述步骤S5中的WLNGS模型具体为：

其中和是低秩矩阵，r＝min{m,n}，B＝UV为约束条件，参数λ＞0，控制对S的组稀疏惩罚度。

7.根据权利要求1所述的基于加权低秩和邻域组稀疏分解的移动目标检测方法，其特征在于：所述步骤S6具体包含以下步骤：

S61、初始化：给定观测视频矩阵设置初始参数λ＞0、μ＞0和ρ＞1.0，随机初始化矩阵B⁽⁰⁾、S⁽⁰⁾、U⁽⁰⁾、V⁽⁰⁾和W⁽⁰⁾,乘子Z⁽⁰⁾＝0，迭代次数t＝0；

S62、更新变量U和V：

S63、更新变量B：

S64、更新变量S：

S65、更新变量W：

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

S67、更新变量μ：μ^(t+1)＝ρμ^(t)；

S68、算法终止条件为或达到最大迭代次数100；若终止条件满足，迭代结束；否则，令t＝t+1同时返回步骤S62。