Robust PCA——Inexect ALM

本文介绍了如何运用Robust PCA进行背景建模,通过Inexact ALM算法解决A和E,从而分离视频中的背景和前景。在实验结果中展示了算法的有效性。
摘要由CSDN通过智能技术生成

前两篇博客已经介绍了Robust PCARPCA的优化,接下来用Robust PCA实现背景建模。背景建模就是将摄像机获取的场景分离出前景和背景,以获取场景中的动态目标。传统方法基本思路:首先通过学习一段训练图像序列提取出该视频的背景特征,来建立数学模型以便描述其背景,然后用该背景模型对需要检测的视频序列进行处理( 如采用背景相减法) ,最后提取出当前图像中与背景模型中性质不同的像素点,即为图像的动态目标。但由于视频场景中可能存在噪声污染,所以传统的背景建模方式就没法满足建模要求。Robust PCA,又称稀疏与低秩矩阵分解,能够从受强噪声污染或部分缺失的高维度观测样本中发现其低维特征空间,有效地恢复观测样本的低维子空间,并恢复受损的观测样本。

1.背景建模Robust PCA

,mVi,

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值