计算机工程

作者：张国庭, 陈利霞, 周泽锋

单位：1. 桂林电子科技大学 数学与计算科学学院, 广西桂林 541004;2. 桂林电子科技大学 广西高校数据分析与计算重点实验室, 广西 桂林 541004

关键词：低秩稀疏分解,前景检测,<i>l</i>_1/2范数,显著性约束,背景减除

基金：国家自然科学基金（11961010）；广西自然科学基金（2018GXNSFAA138169）。

传统背景减除模型在背景静止和前景对象移动较快时提取到的前景效果较好，但当背景变化或前景对象移动缓慢时容易将动态背景误判为前景或检测出的前景有较多空洞。针对传统背景减除模型在动态背景和前景对象移动缓慢条件下存在前景检测精度下降的问题，提出一种基于l1/2范数与显著性约束的背景减除模型。将观测数据分为低秩背景、运动前景和动态干扰3类，利用l1/2范数约束运动前景加强前景稀疏性，有效抑制动态背景对前景提取造成的干扰，提高运动前景在动态背景中的检测精度。引入视频每一帧的显著性约束，通过对每一帧图像进行低秩稀疏分解来检测移动缓慢的目标。实验结果表明，该模型对于复杂场景具有较强的适应能力，可有效去除动态背景对前景的干扰，快速检测出移动缓慢的前景对象，相比于l1/1/2-RPCA背景减除模型的平均查全率、查准率和调和平均值分别提升了9、14和10个百分点。

来源：2022年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第6期