基于子空间学习的运动目标检测算法研究

• 作 者: 谢超超
• 出 处: 厦门大学
• 发表日期: 2004年期
• 关键词: 运动目标检测 子空间学习 投影梯度 增广拉格朗日乘子

在计算机视觉、机器学习和模式识别等领域中,运动目标检测一直都是一个热门的研究方向,受到学术界和工业界的广泛关注。运动目标检测主要是通过视频序列来检测场景中的前景运动目标,如:走动的行人、行驶的车辆、行进的船只等。运动目标检测不但可以直接应用到实际场景中,而且也可以为目标识别、目标跟踪和行为分析等后续的视频处理提供基础。因此,运动目标检测在智能监控和智能人机交互等应用中具有重要的研究意义和实际价值。但是由于视频序列来自于现实场景,存在着许多干扰性因素,因此运动目标检测问题面临着诸多挑战。另一方面,子空间学习是近年来比较受关注的研究课题,其通过将高维数据降维到低维子空间中来实现快速准确地分析数据。因此,研究利用子空间学习技术来进行运动目标检测是一项理论和实际均富有意义的工作。本文的主要研究工作如下:首先,本文广泛调研国内外现有的运动目标检测的相关文献,简单回顾运动目标检测领域的研究进展,总结并分类现有的运动目标检测方法,并重点介绍传统的运动目标检测方法和基于子空间学习的运动目标检测方法。接着,本文提出一种矩阵稀疏性估计方法来快速准确地估计稀疏矩阵,并且构建低秩分解空间来分解低秩矩阵。基于低秩分解空间,提出投影梯度算法来快速地求解低秩矩阵。实验结果表明,基于投影梯度的运动目标检测算法在获得较高检测精度的前提下,拥有较快的检测速度。最后,本文采用一种新颖的秩估计方法代替传统方法所利用的核范数来估计低秩矩阵的秩,并构建一个新的增广拉格朗日函数,使用增广拉格朗日乘子算法来实现目标函数的求解。在此基础上,我们提出基于鲁棒估计与增广拉格朗日乘子的运动目标检测算法。实验结果表明,所提出的算法的检测性能较优,尤其是检测速度明显快于当前流行的运动目标检测算法。