本文關(guān)鍵詞：魯棒主成分分析的運(yùn)動目標(biāo)檢測綜述　出處：《中國圖象圖形學(xué)報》2016年10期 　論文類型：期刊論文

  更多相關(guān)文章： 目標(biāo)檢測 計算機(jī)視覺 背景建模 魯棒主成分分析 綜述

【摘要】：目的運(yùn)動目標(biāo)檢測在許多計算機(jī)視覺任務(wù)中發(fā)揮了重要的作用。背景建模是運(yùn)動目標(biāo)檢測中傳統(tǒng)而又常用的方法。然而,許多背景建模方法是基于像素點的,對背景方面的考慮過于簡單,難于處理真實視頻。最近,將基于低秩和稀疏分解的魯棒主成分分析應(yīng)用于運(yùn)動目標(biāo)檢測成為計算機(jī)視覺領(lǐng)域內(nèi)的研究熱點。為使更多國內(nèi)外運(yùn)動目標(biāo)檢測的研究者對魯棒主成分分析方法進(jìn)行探索和應(yīng)用,本文對其進(jìn)行系統(tǒng)綜述。方法融入最新研究進(jìn)展,基于誤差抑制、貝葉斯理論、時間和空間信息、多特征和多因素耦合,對各種國內(nèi)外的魯棒主成分分析模型進(jìn)行歸納,并理論分析其優(yōu)缺點。結(jié)果本文采用變化檢測數(shù)據(jù)集(change detection dataset)中不同場景的視頻序列來對不同算法進(jìn)行對比實驗。從實驗結(jié)果可知,屬于第3類方法的DECOLOR的檢測效果優(yōu)于其他算法,在均值對比中得到的召回率、精確率和F-measure分別為0.7、0.706和0.66�？傮w來說,當(dāng)前改進(jìn)算法都能有效地彌補(bǔ)最初魯棒主成分分析方法的缺陷,提高了運(yùn)動目標(biāo)檢測的精度。結(jié)論魯棒主成分分析在運(yùn)動目標(biāo)檢測上取得了較多的研究與應(yīng)用成果,在智能視頻監(jiān)控應(yīng)用領(lǐng)域擁有廣闊的應(yīng)用前景。但是,其仍需針對魯棒主成分分析存在的一些局限性進(jìn)行深入的研究。融入前景運(yùn)動目標(biāo)在視頻中的先驗知識是基于魯棒主成分分析的運(yùn)動目標(biāo)檢測的發(fā)展趨勢。
[Abstract]:The purpose of moving target detection plays an important role in many computer vision tasks. Background modeling is the traditional method and moving target detection in common. However, many of the background modeling method is based on the pixels, the background considerations are too simple, it is difficult to deal with real video. Recently, the robust principal component and sparse low rank decomposition analysis is applied to detect moving objects has become a research hotspot in the field of computer vision. It is based on a more domestic and foreign researchers are moving target detection exploration and application of analysis method of robust principal component, this paper systematically reviewed the methods of integration. The latest research progress, based on the error suppression, Bayesian theory, time and space the information, coupled with multi feature and multi factors, robust principal component analysis model of domestic and abroad are summarized, and the theoretical analysis of its advantages and disadvantages. The results of this paper. With the change of detection data set (change detection dataset) video sequence in different scenes to the comparison of the different algorithms. The experiment results showed that the detection effect is better than the DECOLOR method belongs to the third kind of other algorithms in the mean contrast obtained in the recall rate, precision rate and F-measure were 0.7,0.706 and 0.66. in general, current the improved algorithm can effectively compensate for the defects of original robust principal component analysis method, improves the accuracy of motion detection. Conclusion robust principal component analysis has made many research achievements and applications in moving target detection, have broad application prospects in intelligent video surveillance applications. However, it is still needed for robust principal component some analysis of the limitation of the in-depth study. In the video moving target with prior knowledge is robust principal component analysis based on the motion The development trend of target detection.

【作者單位】： 廣東工業(yè)大學(xué)信息工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(61001179,61571139) 廣東省科技重大專項基金項目(2015B010124001) 廣東省工程技術(shù)研究中心項目(2015B090903017) 廣東省自然科學(xué)基金項目(2015A030312008)~~
【分類號】：TP391.41
【正文快照】： Vol.21,No.10,Oct.20160引言運(yùn)動目標(biāo)檢測[1-2]是智能視頻分析中關(guān)鍵的第1步,對許多高層次的計算機(jī)視覺任務(wù)起著基礎(chǔ)性作用,如目標(biāo)跟蹤[3]、行為識別[4]、場景分析[5]、交通監(jiān)控[6]等。運(yùn)動目標(biāo)檢測的基本任務(wù)是將前景運(yùn)動目標(biāo)從觀測視頻圖像中提取出來,也就是說,將前景和背景

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林和平;楊晨;;模糊主成分分析方法的研究與分析[J];航空計算技術(shù);2006年06期

2 林培龍;;基于主成分分析評價模型的研究與應(yīng)用[J];信息系統(tǒng)工程;2010年05期

3 張磊;;天津市電子信息產(chǎn)品制造業(yè)競爭力分析與評價[J];科技和產(chǎn)業(yè);2011年07期

4 李瑜祥;;主成分分析程序及其應(yīng)用[J];自動化儀表;1987年04期

5 朱寧;主成分分析在選拔競賽隊員中的應(yīng)用[J];桂林電子工業(yè)學(xué)院學(xué)報;1999年02期

6 姜春燕;林和平;劉丁慧;付希金;紀(jì)永鳳;;灰主成分分析研究及其應(yīng)用[J];吉林大學(xué)學(xué)報(信息科學(xué)版);2007年05期

7 周春生;;主成分分析在大學(xué)生成績影響因素研究中的應(yīng)用[J];現(xiàn)代計算機(jī);2013年17期

8 顧紹紅;王永生;王光霞;;主成分分析模型在數(shù)據(jù)處理中的應(yīng)用[J];測繪科學(xué)技術(shù)學(xué)報;2007年05期

9 李雪梅;張素琴;;主成分分析在區(qū)域經(jīng)濟(jì)分析中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2009年19期

10 黎夏,葉嘉安;主成分分析與Cellular Automata在空間決策與城市模擬中的應(yīng)用[J];中國科學(xué)(D輯:地球科學(xué));2001年08期

相關(guān)會議論文 前10條

1 么彩蓮;魏寧;;關(guān)于主成分分析的改進(jìn)方法探討[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

2 陳明星;繆柏其;靳韜;;利率影響因素的主成分分析與因子分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

3 孫曉東;胡勁松;焦s，

本文編號：1397845