背景建模
文章平均质量分 83
YongqiangGao
这个作者很懒,什么都没留下…
展开
-
Robust PCA——Inexect ALM
前两篇博客已经介绍了Robust PCA及RPCA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,即为图像的原创 2017-09-07 20:12:02 · 6224 阅读 · 1 评论 -
PCA 与 Robust PCA区别
之前的一篇博客对PCA的原理、特点进行了介绍以及用python实现了PCA。本篇博客对PCA和Robust PCA进行简单的区别。1.PCA主成分分析(PCA)可以有效的找出数据中最“主要”的元素和结构,去除噪音和冗余,能将原有的复杂数据进行降维。最简单的主成分分析方法就是PCA,从线性代数的角度看,PCA的目标就是使用另一组基去重新描述得到的新的数据空间,通过这组新的基,能揭示与原有的数据间的关系原创 2017-09-02 10:25:26 · 15984 阅读 · 4 评论 -
Rubost PCA 优化
最近一直在看Robust PCA做背景建模的paper, 顺便总结了一下了Robust PCA.前面一篇博客介绍了PCA与Robust PCA区别,本篇博客总结Robust PCA 常见的优化方法,欢迎交流学习.在这里强烈推荐一篇Rachel Zhang的Robust PCA 学习笔记.原创 2017-09-03 13:08:08 · 6777 阅读 · 1 评论