江西理工大学电气工程与自动化学院
纸质出版:2022
移动端阅览
喻丁玲, 杨国亮, 龚家仁. 结合在线随机张量分解和全变分的运动目标检测[J]. 传感器与微系统, 2022,(5):144-147.
结合在线随机张量分解和全变分的运动目标检测[J]. 2022, (5): 144-147.
喻丁玲, 杨国亮, 龚家仁. 结合在线随机张量分解和全变分的运动目标检测[J]. 传感器与微系统, 2022,(5):144-147. DOI: 10.13873/J.1000-9787(2022)05-0144-04.
结合在线随机张量分解和全变分的运动目标检测[J]. 2022, (5): 144-147. DOI: 10.13873/J.1000-9787(2022)05-0144-04.
移动摄像机拍摄的视频由于背景帧不固定以及数据量大的问题,有效检测出其中的运动目标仍是一个挑战。提出了结合在线随机张量分解(OSTD)和全变分(TV)正则化的运动目标检测方法。首先,将视频序列可视为三阶张量,采用在线优化方法实时处理。结合小样本批处理初始化缩小基矩阵大小,在前景部分利用TV正则化对目标的空间性进行约束。最后,不断更新基矩阵和稀疏部分系数,直到达到设定的迭代次数或所有样本计算已经完成。实验结果表明:该方法能有效应对背景帧不固定、实时处理等问题,准确地检测出运动目标。与其他同类方法相比,不仅检测精度更高,而且保持了较快的运行速度。
移动摄像机拍摄的视频由于背景帧不固定以及数据量大的问题,有效检测出其中的运动目标仍是一个挑战。提出了结合在线随机张量分解(OSTD)和全变分(TV)正则化的运动目标检测方法。首先,将视频序列可视为三阶张量,采用在线优化方法实时处理。结合小样本批处理初始化缩小基矩阵大小,在前景部分利用TV正则化对目标的空间性进行约束。最后,不断更新基矩阵和稀疏部分系数,直到达到设定的迭代次数或所有样本计算已经完成。实验结果表明:该方法能有效应对背景帧不固定、实时处理等问题,准确地检测出运动目标。与其他同类方法相比,不仅检测精度更高,而且保持了较快的运行速度。
基于MCA的压缩感知彩色图像超分辨率重建 [J]. 叶坤涛,刘继锋,郭振龙,贺文熙. 江西理工大学学报 . 2019(03)
Simultaneous denoising and moving object detection using low rank approximation [J] . Shijila B.,Anju Jose Tom,Sudhish N. George. Future Generation Computer Systems . 2019
A regularized tensor decomposition method with adaptive rank adjustment for Compressed-Sensed-Domain background subtraction [J] . Senlin Xia,Huaijiang Sun,Beijia Chen. Signal Processing: Image Communication . 2018
Twist tensor total variation regularized-reweighted nuclear norm based tensor completion for video missing area recovery [J] . Baburaj Madathil,Sudhish N. George. Information Sciences . 2018
Use cases of Tucker decomposition method for reconstruction of neutron macroscopic cross-sections [J] . Thi Hieu Luu,Matthieu Guillo,Yvon Maday,Pierre Guérin. Annals of Nuclear Energy . 2017
Total Variation Regularized Tensor RPCA for Background Subtraction From Compressive Measurements. [J] . Cao Wenfei,Wang Yao,Sun Jian,Meng Deyu,Yang Can,Cichocki Andrzej,Xu Zongben. IEEE transactions on image processing : a publication of the IEEE Signal Processing Society . 2016 (9)
Moving Object Detection by Detecting Contiguous Outliers in the Low-Rank Representation. [J] . Zhou Xiaowei,Yang Can,Yu Weichuan. IEEE transactions on pattern analysis and machine intelligence . 2013 (3)
0
浏览量
88
下载量
1
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621