用于压缩测量背景减除的全变分正则化张量RPCA
计算机视觉与模式识别
2016-08-24 v4
摘要
背景减除是视频分析中的一项基础且被广泛研究的任务，在视频监控、远程会议和三维建模中有广泛应用。近来，受压缩成像启发，压缩测量背景减除（BSCM）正成为视频监控中一个活跃的研究课题。本文中，我们提出一种新颖的基于张量的鲁棒PCA（TenRPCA）方法用于BSCM，该方法在张量框架下将视频帧分解为具有时空相关性的背景和具有时空连续性的前景。在此方法中，我们使用三维全变分（TV）来增强前景的时空连续性，并使用Tucker分解对视频背景的时空相关性建模。基于该思想，我们设计了一个针对视频帧的基础张量RPCA模型，称为整体TenRPCA模型（H-TenRPCA）。为刻画视频背景中相似三维块组之间的相关性，我们进一步通过三维块组的联合张量Tucker分解建模视频背景，设计了基于块组的张量RPCA模型（PG-TenRPCA）。开发了使用交替方向乘子法（ADMM）的高效算法来求解所提模型。在模拟和真实世界视频上的大量实验证明了所提方法相对于现有最先进方法的优越性。
引用
@article{arxiv.1503.01868,
title = {Total Variation Regularized Tensor RPCA for Background Subtraction from Compressive Measurements},
author = {Wenfei Cao and Yao Wang and Jian Sun and Deyu Meng and Can Yang and Andrzej Cichocki and Zongben Xu},
journal= {arXiv preprint arXiv:1503.01868},
year = {2016}
}
备注
To appear in IEEE TIP