时空RPCA在复杂场景下的运动目标检测

在复杂动态背景下,鲁棒主成分分析模型(RPCA)容易将背景中动态背景误判为前景运动目标,导致运动目标检测精度不高。为解决该问题,提出一种基于非凸加权核范数的时空低秩RPCA算法。使用非凸加权核范数替代传统的核范数进行低秩约束,在观测矩阵上通过拉普拉斯特征映射得到时空图拉普拉斯矩阵,将得到的时空图拉普拉斯矩阵嵌入低秩背景矩阵以保持背景对噪声和离群值的鲁棒性。实验结果表明,所提模型在复杂场景中能较准确检测出运动目标。

我的教育故事——让善良成为一种习惯

“叮铃铃……”,上课铃响了!这几日为了抓迟到的学生,我总是大步流星向前迈进,在铃声结束之前争当教室门神,进行守株待兔。果不其然,一进教室就看见几个位置是空的,这使我更加坚定了迟到问题的严重性,心里打着小算盘,心想,“一会来了,我一定要给你们几个一点儿颜色瞧瞧,不把班级规矩放在眼里,必须杀鸡儆猴!”