结合在线随机张量分解和全变分的运动目标检测

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。

改进的在线随机张量分解的多光谱视频目标检测

针对目前大部分监控视频使用的单色或三色相机在目标检测中难以解决光照强度变化、颜色饱和度和阴影的问题,以及处理数百个波段的多光谱图像可能会增加计算量,提出了一种改进的在线随机张量分解的多光谱视频运动目标检测算法。在在线随机张量分解的基础上进行扩展,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,采用K-双边随机投影方法不断更新基矩阵和稀疏部分系数,每次处理一个视频帧直到达到设定的迭代次数或所有样本计算已经完成,并在MSVS数据集上进行了实验。结果表明,该算法的检测结果在基于F-measure、recall和precision的定量评价中均有很好的效果,与现有同类方法相比,在检测精度和运行速度上有更加优越的性能。