基于显著图与子空间学习的视频运动目标检测
计算机视觉与模式识别
2015-10-01 v1
摘要
运动目标检测是智能视频分析的关键。一方面，运动的不仅是感兴趣的目标，还有噪声和杂乱背景。另一方面，缺乏丰富纹理的运动目标容易被漏检。因此许多运动目标检测算法存在不理想的误报和漏报。为减少误报和漏报，本文提出将显著图引入增量子空间分析框架，其中显著图使得估计背景比前景（即运动目标）包含显著目标的概率更小。所提出的目标函数系统地考虑了稀疏性、低秩、连通性和显著性等性质。提出一种交替最小化算法来求解最优解。在 Perception Test Images Sequences 上的实验结果表明，该方法能有效地减少误报和漏报。
引用
@article{arxiv.1509.09089,
title = {Moving Object Detection in Video Using Saliency Map and Subspace Learning},
author = {Yanwei Pang and Li Ye and Xuelong Li and Jing Pan},
journal= {arXiv preprint arXiv:1509.09089},
year = {2015}
}