计算机应用

作者：汪鹏, 张大蔚, 陆正军, 李林昊

单位：1.河北工业大学 人工智能与数据科学学院, 天津 300401；2.河北省大数据计算重点实验室(河北工业大学), 天津 300401；3.河北省数据驱动工业智能工程研究中心(河北工业大学), 天津 300401；4.军事科学院 国防工程研究院, 北京 100036

关键词：非对称噪声建模,低秩因子分解,中值背景建模,运动目标检测

基金：国家重点研发计划项目(2019YFC1904601);国家自然科学基金资助项目(61902106);河北省高等学校科学技术研究项目(QN2021213)

运动目标检测旨在分离视频的背景与前景，然而常用的低秩因子分解法往往难以综合地处理动态背景和间歇性运动的问题。考虑到背景减除后的偏态噪声分布具有潜在的背景修正作用，提出一种基于可靠性低秩因子分解和泛化差异性差分的运动目标检测模型。首先，利用时间维度像素分布的峰值位置以及偏态分布性质选取一个不含离群像素的子序列，并计算该子序列的中值以形成静态背景；其次，利用非对称拉普拉斯分布对静态背景减除后的噪声建模，并把基于空间平滑的建模结果作为可靠性权重参与到低秩因子分解中，以此建模综合背景（含有动态背景）；最后，依次利用时间和空间连续约束提取前景。其中，针对时间连续性，提出了泛化差异性差分约束，从而通过相邻视频帧的差异信息抑制前景边缘的扩增。实验结果表明，与PCP、DECOLOR、LSD、TVRPCA、E-LSD、GSTO六种模型相比，所提模型的F-measure值最高。由此可知，所提模型在动态背景、间歇性运动等复杂场景中能有效提高前景的检测精度。

来源：2023年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第2期