公开(公告)号：CN108764177B

公开(公告)日：2021-08-27

申请号：CN201810550978.3

申请日：2018-05-31

Applicant: 安徽大学

Inventor： 李成龙 ,  熊紫薇 ,  汤进

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/44 ,  G06K9/46

Abstract: 本发明公开了一种基于低秩分解和表示联合学习的运动目标检测方法，获得待检测视频序列的每一帧图像；对每帧图像进行超像素分割，并提取特征向量合并组成矩阵；基于视频序列中的背景图像彼此线性相关，先验假设运动目标是相对较小的连续碎片，且可用表示模型中的表示系数描述一帧之中超像素之间的全局关系，得到算法模型；对模型进行求解，得到每一帧中每个超像素的标签，可得到每帧图像的检测结果。本发明相比现有的以像素为单位进行运动目标检测效率更高，内存开销更少；利用表示模型得到的超像素之间的全局关系，相比现有的只使用局部的结构连续约束进行检测的准确性更高。

公开(公告)号：CN108764177A

公开(公告)日：2018-11-06

申请号：CN201810550978.3

申请日：2018-05-31

Applicant: 安徽大学

Inventor： 李成龙 ,  熊紫薇 ,  汤进

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/44 ,  G06K9/46

CPC classification number: G06K9/00724 ,  G06K9/40 ,  G06K9/44 ,  G06K9/46 ,  G06K2009/4695

Abstract: 本发明公开了一种基于低秩分解和表示联合学习的运动目标检测方法，获得待检测视频序列的每一帧图像；对每帧图像进行超像素分割，并提取特征向量合并组成矩阵；基于视频序列中的背景图像彼此线性相关，先验假设运动目标是相对较小的连续碎片，且可用表示模型中的表示系数描述一帧之中超像素之间的全局关系，得到算法模型；对模型进行求解，得到每一帧中每个超像素的标签，可得到每帧图像的检测结果。本发明相比现有的以像素为单位进行运动目标检测效率更高，内存开销更少；利用表示模型得到的超像素之间的全局关系，相比现有的只使用局部的结构连续约束进行检测的准确性更高。