基于张量低秩与不变稀疏分解的间断光照变化下运动目标检测
计算机视觉与模式识别
2019-04-09 v2
摘要
尽管基于低秩与稀疏分解的方法已成功应用于利用结构化稀疏诱导范数的运动目标检测问题，但它们在某些应用中出现的显著光照变化面前仍然脆弱。我们关注涉及延时图像序列的应用中的运动目标检测，现有方法会错误地将运动目标与光照变化归为前景。我们的方法依赖于多线性（张量）数据低秩与稀疏分解框架来解决现有方法的不足。我们所提方法的关键在于首先创建一组能够刻画图像序列中由光照引起变化的先验图。我们证明它们可通过 k-support 范数检测。为处理并发的两类变化，我们在张量低秩与稀疏分解公式中采用两个正则化项，一个用于检测运动目标，另一个用于解释光照变化。通过使用具有挑战性的数据集进行综合实验，我们表明我们的方法在间断光照变化下展现出卓越的运动目标检测能力，并优于针对这一挑战性问题的 SOTA 方案。
引用
@article{arxiv.1904.03175,
title = {Moving Object Detection under Discontinuous Change in Illumination Using Tensor Low-Rank and Invariant Sparse Decomposition},
author = {Moein Shakeri and Hong Zhang},
journal= {arXiv preprint arXiv:1904.03175},
year = {2019}
}
备注
14 pages, 14 figures, including supplementary materials