[发明专利]一种基于低秩和结构稀疏的视频前景背景分离方法

摘要

本发明涉及一种基于低秩和结构稀疏的视频前景背景分离方法，包括：读入视频序列；步骤2：采用低秩和结构稀疏的非精确拉格朗日乘子法进行基于低秩和结构稀疏的矩阵分解；预估计背景矩阵A的秩r；重建背景矩阵A；通过奇异值分解，由秩r和奇异值收缩算子计算背景矩阵A；重建前景矩阵E；由观测矩阵D、步骤4计算得到背景矩阵A，计算前景矩阵E；判断迭代次数和误差，若达到迭代次数或小于迭代误差，则停止迭代；复原背景和前景图像。本发明可以直接实现监控视频序列中背景和前景的分离。

主权项

一种基于低秩和结构稀疏的视频前景背景分离方法，包括下列步骤：步骤1：读入视频序列视频包含n帧图像序列，将每帧彩色图像转换为灰度图像，并将每帧维数为n₁×n₂的图像表示为一个m维列失量，即m＝n₁×n₂，将n帧视频图像依次读入并排列形成观测矩阵D∈R^m×n。步骤2：采用低秩和结构稀疏的非精确拉格朗日乘子法进行基于低秩和结构稀疏的矩阵分解，参数设置如下：取正则化参数Y₀＝D/J(D)，μ₀＝1.25/||D||₂，其中，J(D)＝max(||Y||₂，||Y||_∞)，||·||_∞表示矩阵元素绝对值中最大的值，正则化参数β取值范围(0，0.1)；步骤3：预估计背景矩阵A的秩r；步骤4：重建背景矩阵A：通过奇异值分解，由秩r和奇异值收缩算子计算背景矩阵A，计算背景矩阵A的迭代公式为：其中E₀＝0，Y∈R^m×n为线性等式约束乘子，μ>0为小正数，表示对不满足线性等式约束的惩罚因子，下标k表示当前迭代次数；步骤5：重建前景矩阵E:由观测矩阵D、步骤4计算得到背景矩阵A，计算前景矩阵E；步骤6：判断迭代次数和误差，若达到迭代次数或小于迭代误差，则停止迭代,否则，返回步骤4继续迭代；步骤7：复原背景和前景图像：取计算得到的背景矩阵A和前景矩阵E的列向量，并分别将其还原为n₁×n₂的背景图像和前景图像，恢复出观测视频各帧所对应的背景和移动目标图像。