Resumen

Con el objetivo de subsanar las deficiencias del método de detección de objetos en movimiento basado en el análisis robusto de componentes principales (RPCA), que es inadecuado para fondos dinámicos y tiene una alta complejidad computacional, este artículo propone un marco de detección de primer plano en dos etapas basado en la saliencia del movimiento para secuencias de vídeo. En la primera etapa, la secuencia de imágenes observada se considera como la suma de una matriz de fondo de bajo rango y una matriz dispersa de objetos atípicos, y luego la descomposición se resuelve mediante el método RPCA a través de un PCP rápido (búsqueda de componentes principales). En la segunda etapa, los bloques dispersos de primer plano se obtienen en función de los residuos espectrales y la correlación espacial de la región de primer plano. Por último, se utiliza el algoritmo RPCA de bloques dispersos mediante PCP rápida para estimar las áreas de primer plano de forma dinámica y reconstruir los objetos de primer plano. Amplios experimentos demuestran que nuestro método puede excluir la interferencia del movimiento y el cambio del fondo, mejorando simultáneamente la tasa de detección de objetivos pequeños.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:pcp rápido, algoritmo rpca disperso, alta complejidad computacional, métodos de detección de objetos, componentes principales robustos, búsqueda de componentes principales, matriz dispersa de valores atípicos, marco de detección de primer plano, interferencia de fondo, matriz de fondo de rango
• Keywords:fast pcp, sparse rpca algorithm, high computational complexity, object detection methods, robust principal components, principal components pursuit, sparse outlier matrix, foreground detection framework, interference of background, rank background matrix