%0 Journal Article %A 周伟 %A 孙玉宝 %A 刘青山 %A 吴敏 %T 运动目标检测的l0群稀疏RPCA模型及其算法 %D 2016 %R 10.3969/j.issn.0372-2112.2016.03.020 %J 电子学报 %P 627-632 %V 44 %N 3 %X

经典的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)目标检测算法使用l1范数逐一判别每一像素点是否属于运动目标,未能考虑到运动目标在空间分布的连续性,不利于提升运动目标检测的鲁棒性.本文提出了一种基于l0群稀疏RPCA模型的运动目标检测方法.首先运用Ncuts算法进行区域过分割,生成多个同性区域,将其作为群稀疏约束的分组信息;第二步构造基于l0群稀疏RPCA模型,运用群稀疏准则判别过分割后的各同性区域是否为运动目标,采用交替方向乘子算法对模型进行快速求解,约束过分割形成的同性区域具有相同检测结果,进而将背景环境和运动前景分离,能够更加准确地度量运动目标的区域边界,且对复杂的背景扰动更加鲁棒,达到了运动目标鲁棒检测的目的.

%U https://www.ejournal.org.cn/CN/10.3969/j.issn.0372-2112.2016.03.020