[发明专利]基于稀疏性和平滑性的运动目标检测方法

摘要

本发明公开一种视频图像处理技术领域的基于稀疏性和平滑性的运动目标检测方法，该方法通过设计一种适合于运动目标检测的回归模型，然后在运用该模型对运动目标进行估计时，对运动目标项施加稀疏性和平滑性的约束，从而得到最终的检测结果。本发明在动态背景这一复杂环境下的运动目标检测结果准确而可靠。

主权项

1.一种基于稀疏性和平滑性的运动目标检测方法，其特征在于，通过设计一种适合于运动目标检测的回归模型，然后在运用该模型对运动目标进行估计时，对运动目标项施加稀疏性和平滑性的约束，从而得到最终的检测结果；所述的适合于运动目标检测的回归模型，该回归模型表示为如下形式：y=Xw+t+n    (1)其中：y=(y₁,y₂,…,y_m)^T表示因变量，X=(x₁,x₂,…,x_m)^T表示自变量且x₁,x₂,…,x_m均为p维向量，p表示每个向量所包含的元素个数，m表示观测量的个数且m>p，w=(w₁,w₂,…,w_p)^T表示回归模型的系数，t=(t₁,t₂,…,t_m)^T表示差异于自变量的部分，n=(n₁,n₂,…,n_m)^T表示随机误差项，根据经典线性回归模型对随机误差项的假设，n₁,n₂,…,n_m均服从均值为0，方差为σ²的高斯分布且该高斯分布记为Ν(0,σ²)；所述的运用该模型进行运动目标的检测是指：对应于公式(1)，将当前帧作为因变量y，将若干历史帧作为自变量X，将前景部分作为差异于自变量的部分t，将背景自身的运动看作噪声n，根据线性回归模型的本意需要根据历史帧和当前帧的数据对回归系数进行估计，为了更准确地估计，利用前景部分具有的两个特性即稀疏性和平滑性，定义一个新的目标函数求出回归模型的系数w，进而估计出差异于自变量的部分t，考虑到图像矢量化后造成空间信息的丢失，采用以不同方式将图像数据矢量化，然后将估计得到的结果进行融合；所述的新的目标函数是指：假设前景部分是稀疏的和平滑的，则目标函数表示为：(w^,t^)=argminw,t||y-Xw-t||22+λ1||t||0+λ2||t′||0---(2)]]>其中：||·||₀表示矢量的0-范数，t′=(t₂-t₁,t₃-t₂,…,t_m-t_m-1)^T表示前景信号相邻元素值差分所构成的一个新矢量，用以描述其平滑性，分别表示对模型系数和差异于自变量的部分的估计值，λ₁和λ₂表示调节系数，其中λ₁控制前景信号的稀疏程度，λ₂控制前景信号的平滑程度；所述的采用以不同方式将图像数据矢量化，然后将估计得到的结果进行融合是指：分别对图像进行水平矢量拉直和垂直矢量拉直，并根据这两种处理方式下的数据分别对前景目标估计，然后这两个估计结果进行逻辑或融合以得到最终结果。