使用高斯最大池化和分割约束RPCA的动态背景运动目标检测
计算机视觉与模式识别
2017-09-05 v1
摘要
由于高效和稳定，鲁棒主成分分析（RPCA）已成为运动目标检测的有前途工具。不幸的是，现有基于RPCA的方法假设静态或准静态背景，因此在处理表现出持续动态行为的背景场景时可能遇到困难。在这项工作中，我们将引入两种技术来填补这一空白。首先，不使用在动态背景下脆弱的原始像素值作为特征，我们设计了一种称为高斯最大池化（Gaussian max-pooling）的算子来估计每个像素的“稳定值”。这些稳定值对各种背景变化鲁棒，因此能有效区分前景物体和背景。然后，为获得更精确的结果，我们进一步提出分割约束RPCA（SC-RPCA）模型，将图像中的时间和空间连续性融入RPCA。SC-RPCA的推理过程是组稀疏约束的核范数最小化问题，该问题凸且易于求解。在CDCNET 2014数据库的七个视频上的实验表明所提方法性能优越。
引用
@article{arxiv.1709.00657,
title = {Detection of Moving Object in Dynamic Background Using Gaussian Max-Pooling and Segmentation Constrained RPCA},
author = {Yang Li and Guangcan Liu and Shengyong Chen},
journal= {arXiv preprint arXiv:1709.00657},
year = {2017}
}