基于在线鲁棒主成分分析的运动目标检测方法研究

发布时间：2024-03-02 15:58

　　随着人工智能技术爆发式的增长,与其相关领域的研究也开始受到越来越多研究者的重视。由于视觉获取到的信息在人类的所有感知器官的比重中占到了80%,所以人工智能在发展到与人类一样能感知信息并做出决策的最终阶段之前,计算机视觉技术的发展显然异常关键。而其中运动目标检测作为计算机视觉的重要底层处理步骤,有着十分广泛的应用范围。但是现有的运动目标检测算法仍存在着鲁棒性、检测精度和实时性等多重问题,所以具有较大的提升空间和研究意义。总的来说,本文的主要工作内容以及创新点可以用以下几点概括:1、总结传统的目标检测算法,将这些算法粗略分为:帧间差分法、背景减除法、光流法以及基于鲁棒主成分分析法的目标检测。在对它们的原理进行分别概述之后,归纳了这些算法的优缺点。虽然它们有的原理简单、计算速度快,或是在特定的场景下得到的检测结果精度较高,但是总的来说都不能满足实际应用的需求。2、介绍了鲁棒主成分分析模型(RPCA)的起源和原理,对于几种鲁棒主成分分析模型算法进行一系列阐述,总结得到了它们普遍存在的三个问题:奇异值分解步骤的计算量大;不适用于实时性要求较高的场景;样本占用内存大。3、针对在线鲁棒主成分分析算法...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及来源
    1.2 国内外研究现状
    1.3 目标检测方法
    1.4 本文主要内容及结构
第2章 鲁棒主成分分析法
    2.1 鲁棒主成分分析法简介
    2.2 鲁棒主成分分析模型算法
        2.2.1 迭代阈值算法
        2.2.2 加速近端梯度算法
        2.2.3 对偶算法
        2.2.4 增广拉格朗日乘子法
        2.2.5 L₁滤波方法
    2.3 鲁棒主成分分析法的应用
    2.4 本章小结
第3章 基于在线鲁棒主成分分析的运动目标检测
    3.1 引言
    3.2 在线鲁棒主成分分析法
    3.3 改进的OR-PCA目标检测方法
        3.3.1 框架分析
        3.3.2 算法实现
    3.4 实验结果及分析
    3.5 本章小结
第4章 结合超像素的OR-PCA运动目标检测
    4.1 引言
    4.2 超像素理论
    4.3 超像素分割下的在线主成分分析运动目标检测
    4.4 目标检测软件设计及实现
        4.4.1 目标检测软件框架
        4.4.2 系统界面
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
在校期间发表的学术论文及研究成果



本文编号：3917057