基于稀疏与低秩矩阵分解的视频背景建模

TP391.41; 针对传统背景建模方法的缺点,基于稀疏与低秩矩阵分解理论,在增广拉格朗日乘子法框架下,研究了一种收敛更快的非精确增广拉格朗日乘子法(IALM),直接实现监控视频序列中背景和前景的分离.该算法采用块Lanczos方法和热启动技术实现部分奇异值分解,使得原有IALM的计算量和迭代次数得以控制.基于实际监控视频的实验结果表明,该算法恢复出的背景矩阵更为低秩,且运行时间下降了几十倍,即能够更加简洁高效地解决背景建模这一实际问题....

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 32; no. 10; pp. 3175 - 3178
Main Authors 周密, 宋占杰
Format Journal Article
LanguageChinese
Published 天津大学电子信息工程学院,天津,300072%天津大学理学院,天津,300072 2015
Subjects
背景建模
奇异值分解
warm start
热启动
SVDs
block Lanczos
background modeling
稀疏与低秩矩阵分解
sparse and low-rank matrix decomposition
增广拉格朗日乘子法
块Lanczos
augmented Lagrange multiplier
Online AccessGet full text

Cover

More Information
Summary:TP391.41; 针对传统背景建模方法的缺点,基于稀疏与低秩矩阵分解理论,在增广拉格朗日乘子法框架下,研究了一种收敛更快的非精确增广拉格朗日乘子法(IALM),直接实现监控视频序列中背景和前景的分离.该算法采用块Lanczos方法和热启动技术实现部分奇异值分解,使得原有IALM的计算量和迭代次数得以控制.基于实际监控视频的实验结果表明,该算法恢复出的背景矩阵更为低秩,且运行时间下降了几十倍,即能够更加简洁高效地解决背景建模这一实际问题.
ISSN:1001-3695
DOI:10.3969/j.issn.1001-3695.2015.10.069