[发明专利]一种基于非局部自相似性的视频运动物体检测方法

摘要

本发明涉及一种基于非局部自相似性的视频运动物体检测方法，该方法对批量式视频运动物体检测算法DECOLOR进行改进，步骤如下：对于视频序列中的每帧图像，分割成图像块；计算各个图像块的非局部自相似性值；得到非局部自相似性矩阵S；用向量化的非局部自相似性矩阵Q对前景矩阵F进行约束，得到非局部自相似性约束项；将非局部自相似性约束项加入到DECOLOR的目标函数，得到新的目标函数；对于新的目标函数，求解无约束最小化问题；将待处理的视频序列的各帧图像向量化组成输入矩阵O；进行迭代计算，求得新的前景矩阵F。本发明具有计算速度快，效果好的优点。

主权项

1.一种基于非局部自相似性的视频运动物体检测方法，该方法对批量式视频运动物体检测算法DECOLOR进行改进，步骤如下：步骤1：对于视频序列中的每帧图像，按照一定的步长η将图像分为大小为p的图像块；每一个图像块与其余图像块计算相似性值；取前n个最小的相似性值进行叠加，作为该图像块的非局部自相似性值；取像素点所在的所有图像块中最小的非局部自相似性值作为非局部自相似性矩阵对应位置的值，得到非局部自相似性矩阵S；步骤2：将所有图像的非局部自相似性矩阵S向量化构成矩阵Q；步骤3：用向量化的非局部自相似性矩阵Q对前景矩阵F进行约束，得到非局部自相似性约束项: F_ij∈{0,1}是前景矩阵F第i行、第j列的元素，该元素值为1表示该点为前景点，该元素值为0表示该点为背景点；Q_ij是非局部自相似性矩阵S向量化后构成的矩阵Q的第i行、第j列的元素；步骤4：将非局部自相似性约束项加入批量式视频运动物体检测算法DECOLOR的目标函数，得到新的目标函数：其中O是输入的视频序列向量化组成的矩阵；B是背景矩阵且B_ij∈[0,1]；是背景重建表示项，与F_ij取值相反，该项表示当F_ij为0，即为1时，该点为背景点时，O_ij与B_ij越接近；||B||_*为背景低秩约束项，用核范数表示矩阵的低秩性；||F||₁是前景的稀疏约束项；考虑相邻像素点的影响，||Avec(F)||₁为平滑项；α、β、γ、λ分别是背景低秩约束项加权系数、前景稀疏约束项的加权系数、平滑项的加权系数、非局部自相似性约束项的加权系数；步骤5：对于新的目标函数，求解如下无约束最小化问题，得到最优的背景矩阵B和前景矩阵F:步骤6：将待处理的视频序列的各帧图像向量化组成输入矩阵O；步骤7：进行参数初始化，并设定迭代次数，进行迭代计算，对于前景矩阵F和背景矩阵B依次进行求解，直至结果收敛；步骤8：输出前景矩阵F，即为所检测的前景区域。