用于含噪运动相机视频前景-背景分离的增强鲁棒PCA
机器学习
2017-09-28 v1 计算机视觉与模式识别
摘要
本工作提出了一种带有全变差正则化的鲁棒PCA新方法，用于含噪运动相机视频的前景-背景分离与去噪。我们提出的算法对视频的原始（可能损坏的）帧进行配准，然后联合处理配准后的帧，将场景分解为捕获场景静态成分的低秩背景分量、捕获场景动态成分的平滑前景分量，以及可以隔离损坏和其他非理想性的稀疏分量。与现有方法不同，我们提出的算法生成了一个跨越整个视场的全景低秩分量，自动将来自部分重叠场景的损坏数据拼接在一起。我们鲁棒PCA模型的低秩部分基于最近发现的最优低秩矩阵估计器（OptShrink），该估计器无需参数调优。我们在被噪声和离群点损坏的静态和运动相机视频上展示了算法的性能。
引用
@article{arxiv.1709.09328,
title = {Augmented Robust PCA For Foreground-Background Separation on Noisy, Moving Camera Video},
author = {Chen Gao and Brian E. Moore and Raj Rao Nadakuditi},
journal= {arXiv preprint arXiv:1709.09328},
year = {2017}
}