-
公开(公告)号：CN113723454B
公开(公告)日：2024-02-20
申请号：CN202110829253.X
申请日：2021-07-21
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种改进的鲁棒主成分分析的运动目标检测方法，包括：S1，基于改进的鲁棒主成分分析方法构建运动目标检测模型；S2，将待处理视频转换成对应的观测矩阵，采用交替方向乘子法求解运动目标检测模型，提取对应视频中处于运动状态的前景目标，并计算检测该运动目标时的F‑measure值和时间值，对运动目标检测模型进行验证。本发明同时采用非凸γ范数和拉普拉斯尺度混合尺度，以更好地逼近传统鲁棒主成分分析模型中的秩函数和稀疏度函数；引入的显著性映射矩阵更能有效的判别哪些像素属于运动目标部分，对运动目标检测的效果更优。
-
公开(公告)号：CN113723183B
公开(公告)日：2024-02-20
申请号：CN202110828989.5
申请日：2021-07-21
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种鲁棒的低秩稀疏分解的运动目标检测方法，采用γ范数更好的逼近传统低秩稀疏分解方法中的秩函数；采用拉普拉斯尺度混合(Laplacian scale mixture，LSM)更好的逼近传统低秩稀疏分解算法中的稀疏度函数；引入了运动信息向量矩阵，能够更好的辅助判断当前像素是否属于运动目标，提高运动目标检测的精度；引入的噪声项能够较好的表达自然界中的噪声感染，提高鲁棒的低秩稀疏分解方法在运动目标检测方面的鲁棒性。
-
公开(公告)号：CN113837239A
公开(公告)日：2021-12-24
申请号：CN202111030670.4
申请日：2021-09-03
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种基于非凸范数的运动目标检测方法及系统，包括：获取视频信息，将视频信息转换为矩阵；将矩阵输入到预先构建的基于改进的鲁棒主成分分析的运动目标检测模型，采用交替方向乘子法求解运动目标检测模型，根据求解结果提取运动目标；所述运动目标检测模型采用非凸log范数和截断分数范数作为鲁棒主成分分析中的稀疏度函数和秩函数。优点：基于改进的鲁棒主成分分析的运动目标检测模型中的非凸log范数和截断分数范数更能有效的逼近传统鲁棒主成分分析模型中的秩函数和稀疏度函数，提取的运动目标效果更好。
-
公开(公告)号：CN113723454A
公开(公告)日：2021-11-30
申请号：CN202110829253.X
申请日：2021-07-21
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种改进的鲁棒主成分分析的运动目标检测方法，包括：S1，基于改进的鲁棒主成分分析方法构建运动目标检测模型；S2，将待处理视频转换成对应的观测矩阵，采用交替方向乘子法求解运动目标检测模型，提取对应视频中处于运动状态的前景目标，并计算检测该运动目标时的F‑measure值和时间值，对运动目标检测模型进行验证。本发明同时采用非凸γ范数和拉普拉斯尺度混合尺度，以更好地逼近传统鲁棒主成分分析模型中的秩函数和稀疏度函数；引入的显著性映射矩阵更能有效的判别哪些像素属于运动目标部分，对运动目标检测的效果更优。
-
Patent Agency Ranking
公开(公告)号：CN113723183A
公开(公告)日：2021-11-30
申请号：CN202110828989.5
申请日：2021-07-21
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种鲁棒的低秩稀疏分解的运动目标检测方法，采用γ范数更好的逼近传统低秩稀疏分解方法中的秩函数；采用拉普拉斯尺度混合(Laplacian scale mixture，LSM)更好的逼近传统低秩稀疏分解算法中的稀疏度函数；引入了运动信息向量矩阵，能够更好的辅助判断当前像素是否属于运动目标，提高运动目标检测的精度；引入的噪声项能够较好的表达自然界中的噪声感染，提高鲁棒的低秩稀疏分解方法在运动目标检测方面的鲁棒性。
-
公开(公告)号：CN113837239B
公开(公告)日：2025-03-21
申请号：CN202111030670.4
申请日：2021-09-03
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种基于非凸范数的运动目标检测方法及系统，包括：获取视频信息，将视频信息转换为矩阵；将矩阵输入到预先构建的基于改进的鲁棒主成分分析的运动目标检测模型，采用交替方向乘子法求解运动目标检测模型，根据求解结果提取运动目标；所述运动目标检测模型采用非凸log范数和截断分数范数作为鲁棒主成分分析中的稀疏度函数和秩函数。优点：基于改进的鲁棒主成分分析的运动目标检测模型中的非凸log范数和截断分数范数更能有效的逼近传统鲁棒主成分分析模型中的秩函数和稀疏度函数，提取的运动目标效果更好。
-
公开(公告)号：CN113837241A
公开(公告)日：2021-12-24
申请号：CN202111031036.2
申请日：2021-09-03
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了一种鲁棒非凸范数的运动目标检测方法及系统，包括：获取视频信息，将视频信息转换为观测矩阵，其中观测矩阵的每一列为视频的一帧，观测矩阵的行数为视频对应的帧数；将矩阵输入到预先构建的基于改进的低秩稀疏分解算法的运动目标检测模型，采用交替方向乘子法求解运动目标检测模型，根据求解结果提取运动目标；基于改进的低秩稀疏分解算法的运动目标检测模型采用非凸log范数和截断分数范数作为低秩稀疏分解算法中的稀疏度函数和秩函数，运动目标检测模型还包括噪声项。优点：采用非凸log范数和截断分数范数替代传统低秩稀疏分解模型中的l0范数和秩函数，提高了目标检测的效率，增强了模型的鲁棒性即抗噪声性。
-
公开(公告)号：CN113470062A
公开(公告)日：2021-10-01
申请号：CN202110626899.8
申请日：2021-06-04
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了视频处理技术领域的一种基于高斯尺度混合和广义核范数的视频前背景分离方法及系统。包括：采集视频信息；将采集的视频信息输入构建的基于高斯尺度混合和广义核范数的鲁棒主成分分析模型，获取对应的视频前景和视频背景。通过构建基于高斯尺度混合和广义核范数的鲁棒主成分分析模型，采用非凸广义核范数更能有效的逼近传统的鲁棒主成分分析模型中的秩函数，采用高斯尺度混合函数更能有效的描述传统的鲁棒主成分分析模型中的稀疏度函数，从而获取基于高斯尺度混合和广义核范数的鲁棒主成分分析模型，对视频的前背景分离的效果更优，提取的前景更清晰、轮廓更完整等特点。
-
公开(公告)号：CN113470061A
公开(公告)日：2021-10-01
申请号：CN202110626157.5
申请日：2021-06-04
Applicant: 南京信息职业技术学院
Abstract: 本发明公开了视频处理技术领域的一种视频前背景分离方法及系统，包括：采集视频信息；将采集的视频信息输入构建的基于鲁棒的高斯尺度混合和广义核范数的鲁棒主成分分析模型，提取对应的视频前景和视频背景。采用高斯尺度混合函数来描述视频中稀疏的前景，并采用逼近度较好的广义核范数来描述视频中低秩的背景，通过将噪声项引入到方法中对自然界中的噪声进行建模，增强该方法抗噪声的鲁棒性，具有视频的前背景分离效果更优，提取的前景更清晰、轮廓更完整、抗噪声能力强等特点；通过将该发明应用到视频前背景分离应用中，证明了本发明公开的基于鲁棒的高斯尺度混合和广义核范数的视频前背景分离方法具有较好的视频前背景分离效果和抗噪声优势。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.035 seconds)
