面向卫星视频中运动目标检测的有误差界前景与背景建模
计算机视觉与模式识别
2020-04-22 v1
摘要
从地面视频中检测运动目标通常通过背景减除技术实现。低秩矩阵分解启发了用于该任务的一组最先进方法。它与结构化稀疏正则化相结合，在所开发的低秩与结构化稀疏分解（LSD）方法中实现背景减除。然而，当该方法应用于空间分辨率差且目标与背景对比度低的卫星视频时，其性能受限，因为数据不再充分符合前景结构或背景模型。在本文中，我们显式处理这些未解释数据，并将从太空检测运动目标作为先驱研究之一。我们通过以有界误差扩展分解公式提出一种技术，称为扩展低秩与结构化稀疏分解（E-LSD）。该公式将低秩背景、结构化稀疏前景及其残差集成于一个矩阵分解问题中。我们通过引入交替处理并采用乘子交替方向法（ADMM）的直接扩展提供了有效解法。所提出的 E-LSD 在两个卫星视频上进行了验证，实验结果表明相较于最先进方法，背景建模得到改进且运动目标检测精度提升。
引用
@article{arxiv.1908.09539,
title = {Error Bounded Foreground and Background Modeling for Moving Object Detection in Satellite Videos},
author = {Junpeng Zhang and Xiuping Jia and Jiankun Hu},
journal= {arXiv preprint arXiv:1908.09539},
year = {2020}
}