基于快速鲁棒矩阵补全的背景减除
计算机视觉与模式识别
2017-11-06 v1 图像与视频处理
摘要
背景减除是绝大多数视频检测系统的主要任务。不同算法共有的背景减除中最关键的部分是背景建模。对此，本文以计算高效的方式处理背景建模问题，这对于当前来自高分辨率多通道视频的“大数据”处理浪潮十分重要。我们的模型基于自然图像中背景位于低维子空间这一假设。我们在低秩矩阵补全框架下表述并求解了该问题。在背景建模中，我们借助 in-face 扩展 Frank-Wolfe 算法求解所定义的凸优化问题。我们在背景模型挑战（BMC）与斯图加特人工背景减除（SABS）数据集上评估了我们的快速鲁棒矩阵补全（fRMC）方法。结果分别与鲁棒主成分分析（RPCA）和低秩鲁棒矩阵补全（RMC）方法比较，后两者均通过不精确增广拉格朗日乘子法（IALM）求解。结果表明，在场景运动目标检测的背景减除中，计算速度至少达到 IALM 求解器的两倍，且精度相当甚至在某些挑战中更优。
引用
@article{arxiv.1711.01218,
title = {Background Subtraction via Fast Robust Matrix Completion},
author = {Behnaz Rezaei and Sarah Ostadabbas},
journal= {arXiv preprint arXiv:1711.01218},
year = {2017}
}