1.一种基于在线低秩背景建模的视频序列背景恢复方法,其特征是,步骤如下:
1)将视频序列中背景恢复问题具体地表述为求解如下无约束优化方程:
其中||·||F表示矩阵的弗罗贝尼乌斯范数,||·||*表示矩阵的核范数,||·||1表示矩阵的一范数,о表示两个矩阵的点乘运算,D为实际的视频序列帧依次按列向量排列而成的矩阵,B表示待恢复的背景,E代表前景部分,W表示二值运动场映射权重矩阵,λ1,λ2分别表示视频中低秩背景和前景的权重系数;
为解决核范数需要对所有帧一起进行奇异值分解SVD,对待恢复背景B进行低秩矩阵分解:
其中inf{·}表示对{·}取下确界,L是视频序列背景对应的低维子空间的基,C是视频序列对应于基L的系数矩阵;得到如下的分解模型:
求解此方程时,采用交替优化方法,以增量方式最小化如下损失函数:
其中n表示视频序列当前的总帧数,dk表示视频序列第k帧的列向量,为第k帧图像dk在基L下所对应的损失函数,其定义如下:
其中||·||2表示向量的二范数,w表示当前帧dk的运动映射权重向量,c是dk在基L下的系数向量,e为当前帧的前景部分;
求解过程为,在线地对每一帧图像dk依次:估计运动信息计算第k帧运动映射权重向量wk,更新第k帧系数向量ck,更新第k帧前景ek,更新前k帧对应的基Lk;
2)构建第k帧运动映射权重向量wk:采用前向运动估计方案在线地求解wk;
对第一帧,基于稀疏前景的假设,将二值运动权重全部赋值为1;对于后续帧,分别以第一帧作为参考帧,采用光流算法估计当前帧的稠密运动场,然后将其二值化为运动映射;
3)使用交替方向法ADM将方程(5)转换成如下序列进行求解:
上式中的表示使目标函数取最小值时的变量c的值,表示使目标函数取最小值时的变量e的值,l是迭代次数;然后按照步骤4)、5)的方法进行迭代求解得到系数向量ck和前景ek;
4)求解通过求解最小二乘问题的闭式解求得系数
去掉式子(7)中求解第k帧系数向量ck的目标函数里与ck无关的项,得到如下方程:
使用最小二乘法求得的解为:
其中表示运动映射wk的对角矩阵,即将向量wk的每个元素依次放到矩阵的主对角线上,I表示单位矩阵;
5)求解使用收缩算子求得第k帧前景
去掉式子(7)中求解第k帧前景ek的目标函数里与ek无关的项,得到如下方程:
对式子(10)使用收缩算子解得:
其中eik,sik,wik分别表示ek,sk,wk的第i个像素值,
6)重复上述步骤4)、5)直到算法收敛,这时迭代的结果和就是当前帧dk的系数向量ck和前景ek,由得到前k帧图像的系数矩阵Ck;
7)使用变量代换将方程(3)转换为如下无约束优化问题进行求解:
其中为新引入的变量,Rk=[r1,...,rk]表示已经求得的当前帧及之前的视频帧的背景,rk=dk-ek表示已求得的第k帧图像的背景,λ3为权重系数;
使用交替方向法ADM将方程(12)转换成如下序列进行求解:
然后按照步骤8)、9)的方法进行迭代求解得到变量Yk和视频序列低维子空间的基Lk;
8)求解逐像素方式求得
去掉式子(13)中求解Yk的目标函数里与Yk无关的项,得到如下方程:
使用最小二乘法,逐像素计算解得:
其中表示基Lk的第i行,yik表示第i行第k列的元素值,rik表示rk的第i个像素值;
9)求解通过求解最小二乘问题的闭式解求得基
去掉式子(13)中求解Lk的目标函数里与Lk无关的项,得到如下方程:
使用最小二乘法求得的解为:
进一步,引入中间变量Pk=RkCk,以增量方式高效地求解
其中:
10)重复上述步骤8)、9)直到算法收敛,这时迭代的结果就是前k帧图像背景的基Lk;
11)求解视频背景B:由6)和10)分别得到的Ck和Lk求得Bk就是原问题的最终解B。
2.如权利要求1所述的基于在线低秩背景建模的视频序列背景恢复方法,其特征是,步骤2)具体公式是:
其中wik表示第k帧图像第i个像素的运动映射权重,即为wk的第i个像素值,和分别表示第k帧图像第i个像素的水平运动分量和垂直运动分量,τ为用于二值化运动场的阈值。