基于光流的压缩在线鲁棒主成分分析用于视频前景-背景分离
计算机视觉与模式识别
2017-10-26 v1 多媒体
摘要
在视频前景-背景分离的在线鲁棒主成分分析背景下，我们提出了一种基于光流的压缩在线鲁棒主成分分析方法，该方法递归地将帧序列分解为稀疏（前景）和低秩（背景）分量。我们的方法考虑每个数据向量（帧）的一小组测量值，这与直接处理所有数据的传统批处理鲁棒主成分分析不同。所提出的方法还结合了多种先验信息，即先前的前景和背景帧，以改善分离，然后为下一帧更新先验信息。此外，通过使用光流估计先前前景帧之间的运动并补偿运动以获得更高质量的前景先验，改进了前景先验帧。所提出的方法应用于从压缩测量中在线视频前景和背景分离。视觉和定量结果表明，我们的方法优于现有方法。
关键词
引用
@article{arxiv.1710.09160,
title = {Compressive Online Robust Principal Component Analysis with Optical Flow for Video Foreground-Background Separation},
author = {Srivatsa Prativadibhayankaram and Huynh Van Luong and Thanh-Ha Le and Andre Kaup},
journal= {arXiv preprint arXiv:1710.09160},
year = {2017}
}
备注
preprint accepted