低秩矩阵的应用--背景建模

背景建模是从拍摄的视频中分离出背景和前景。

由于背景的视频基本是不变的，所以如果把每帧当做一个矩阵的一列那么，矩阵是低秩的，所以低秩矩阵的恢复来恢复出背景。

今天主要完成了，在自己的数据库让进行背景和前景的分离。下面为主要步骤：

1.从马毅的实验室网址下载RPCA求解的代码http://perception.csl.illinois.edu/matrix-rank/introduction.html

2.给出的接口是[A_hat E_hat iter] = inexact_alm_rpca(D, lambda, tol, maxIter)

所以明确目标：D是我们的视频中的每一帧，A_hat 是我们估计的背景，E_hat是前景。

RPCA解决的问题是

[cpp] view plain copy

1. clc;  
2. clear;  
3.   
4. %% this to read avi by using mmread to get every frame  
5. video = VideoReader('E:\FFOutput\test.avi');  
6. nFrames = video.NumberOfFrames;   %得到帧数  
7. H = video.Height;     %得到高度  
8. W = video.Width;      %得到宽度  
9. Rate = video.FrameRate;  
10. Cal_FrameN=300;  
11. % Preallocate movie structure.  
12. mov(1:Cal_FrameN) = struct('cdata',zeros(H,W,3,'uint8'),'colormap',[]);  
13.   
14.   
15. %read one frame every time  
16. for i = 1:Cal_FrameN  
17.     mov(i).cdata = read(video,i);  
18.     P = mov(i).cdata;  
19.     double_P=im2double(P);  
20.     %imshow( double_P),title('原始图片3');  
21.     Frame=rgb2gray( double_P);%当前灰度帧  
22.     %下采样  
23.     Down_Frame=Frame(2:4:H,2:4:W);  
24.     M(:, i) = Down_Frame(:);  
25.    %  disp('当前播帧数：'),disp(i);  
26.     % imshow(P),title('原始图片');  
27.        
28.   
29. %     P2=rgb2gray(P);  
30.   
31.    
32. end  
33.    
34. [A_hat, E_hat, iter]=inexact_alm_rpca(M,0.006);  
35. A=reshape(A_hat(:,200), size(Down_Frame));  
36. E=reshape(E_hat(:,200), size(Down_Frame));  
37. D_real=reshape(M(:,200), size(Down_Frame));  
38. figure;  
39. imshow(D_real),title('原始图片');  
40. figure;  
41. imshow(A),title('恢复图片');  
42. figure;  
43. imshow(abs(E)),title('错误图片');  

因为是MATLAB的初学者所以遇到了两个问题：

A.必须对读取的图像做double_P=im2double(P);处理不然会出现

错误使用  * 
MTIMES 不完全支持整数类。至少有一个输入必须为标量。
要按元素进行 TIMES 计算，请改用 TIMES (.*)。


出错 lanbpro (line 298)
      r = At*U(:,1);


出错 lansvd (line 209)
    [U,B,V,p,ierr,w] = lanbpro(A,j,p,options,U,B,V,anorm);


出错 inexact_alm_rpca (line 53)
norm_two = lansvd(Y, 1, 'L');


出错 background (line 36)
[A_hat, E_hat, iter]=inexact_alm_rpca(M,0.006);

B在显示错误图片时需要做abs绝对值处理，不然是全黑的图片，不能看到前景图像。

C.最后一个也非常重要lumada值为1/(根号m).m为一张图片像素点的个数

D还有一个问题就是原图片很到，直接做会有内存不够的问题，所以进行了下采样。

实验结果：

= +