期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种检测视频中运动目标的新方法
被引量：
3
1
作者
张延良
卢冰
+1 位作者
张伟涛
李兴旺
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2019年第1期46-52,共7页
现有的用于视频运动目标检测的鲁棒主成分分析方法通常将背景矩阵的秩函数松弛为核范数,导致求解低秩矩阵的奇异值收缩算子法的阈值恒定,从而背景恢复精度不高。为此提出由加权核范数和结构稀疏范数组成的新的损失函数并用交替方向乘子...
现有的用于视频运动目标检测的鲁棒主成分分析方法通常将背景矩阵的秩函数松弛为核范数,导致求解低秩矩阵的奇异值收缩算子法的阈值恒定,从而背景恢复精度不高。为此提出由加权核范数和结构稀疏范数组成的新的损失函数并用交替方向乘子法进行优化。采用加权核范数作为矩阵的低秩约束,使得压缩阈值与相应奇异值的大小呈单调递减关系,从而大奇异值得以较小幅度压缩。使用结构稀疏范数作为前景稀疏约束,有效利用了前景运动目标的空间区域连续性的先验知识。实验结果表明,该方法在动态背景、阴影等复杂场景下均能取得较其他鲁棒主成分分析方法更好的效果。
展开更多
关键词
运动目标检测
结构
稀疏
范数
鲁棒主成分分析
奇异值压缩算子
加权核
范数
下载PDF
职称材料
基于加权Schatten-p范数与结构稀疏分解的视频前背景分离
被引量：
2
2
作者
魏玉峰
景明利
+2 位作者
李岚
孙坤
樊锐博
《激光与光电子学进展》
CSCD
北大核心
2021年第8期381-387,共7页
在具有动态背景或测量噪声的场景中,基于核范数约束的低秩稀疏分解背景建模算法容易将运动的背景或噪声作为前景的一部分与前景同时分离出来,对复杂背景的建模性能表现不佳。针对此问题,提出一种加权Schatten-p范数与结构化稀疏分解的...
在具有动态背景或测量噪声的场景中,基于核范数约束的低秩稀疏分解背景建模算法容易将运动的背景或噪声作为前景的一部分与前景同时分离出来,对复杂背景的建模性能表现不佳。针对此问题,提出一种加权Schatten-p范数与结构化稀疏分解的视频前背景分离算法。首先,因加权Schatten-p范数比核范数能够更好地抑制测量噪声,故采用加权Schatten-p范数对背景矩阵进行约束;其次,利用前景在空间上具有连续变化这一结构先验知识,对前景矩阵采用结构化稀疏约束,并在此基础上建立一种视频前背景分离模型;最后,利用增广拉格朗日方法与广义软阈值算法,设计了加权Schatten-p范数与结构稀疏分解算法。数值实验表明:与其他5种主流算法相比,所提算法在具有动态背景的场景中能更准确地分离目标。
展开更多
关键词
机器视觉
低秩
稀疏
分解
结构
化
稀疏
范数
加权Schatten-p
范数
背景建模
原文传递
加权截断p范数在运动目标检测中的应用
被引量：
1
3
作者
宣晓
余勤
《计算机工程》
CAS
CSCD
北大核心
2018年第6期233-238,248,共7页
在基于稀疏低秩分解的运动目标检测方法中,由于核范数并非为矩阵的秩函数最佳近似,未考虑到运动目标的空间连续性,在动态背景干扰的情况下,运动目标检测的效果不理想。针对上述问题,提出加权截断p范数分析模型。该模型将观测视频分为静...
在基于稀疏低秩分解的运动目标检测方法中,由于核范数并非为矩阵的秩函数最佳近似,未考虑到运动目标的空间连续性,在动态背景干扰的情况下,运动目标检测的效果不理想。针对上述问题,提出加权截断p范数分析模型。该模型将观测视频分为静态背景、运动目标与动态背景3个部分,静态背景采用改进的非凸范数,即加权截断p范数进行低秩约束,根据动态背景与运动目标具有空间连续性的特点,分别使用l_(2,1)范数进行结构性稀疏约束。实验结果表明,与鲁棒主成分分析模型、截断核范数模型、加权核范数模型以及相邻离群点低秩模型相比,该模型可有效去除动态背景扰动,并能提取到更精确的运动目标。
展开更多
关键词
背景建模
运动目标提取
稀疏
与低秩理论
加权截断p
范数
结构
性
稀疏
范数
下载PDF
职称材料
题名
一种检测视频中运动目标的新方法
被引量：
3
1
作者
张延良
卢冰
张伟涛
李兴旺
机构
河南理工大学物理与电子信息学院
西安电子科技大学电子工程学院
出处
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2019年第1期46-52,共7页
基金
国家自然科学基金(61571339)
网络与交换技术国家重点实验室开放课题(SKLNST-2016-1-02)
文摘
现有的用于视频运动目标检测的鲁棒主成分分析方法通常将背景矩阵的秩函数松弛为核范数,导致求解低秩矩阵的奇异值收缩算子法的阈值恒定,从而背景恢复精度不高。为此提出由加权核范数和结构稀疏范数组成的新的损失函数并用交替方向乘子法进行优化。采用加权核范数作为矩阵的低秩约束,使得压缩阈值与相应奇异值的大小呈单调递减关系,从而大奇异值得以较小幅度压缩。使用结构稀疏范数作为前景稀疏约束,有效利用了前景运动目标的空间区域连续性的先验知识。实验结果表明,该方法在动态背景、阴影等复杂场景下均能取得较其他鲁棒主成分分析方法更好的效果。
关键词
运动目标检测
结构
稀疏
范数
鲁棒主成分分析
奇异值压缩算子
加权核
范数
Keywords
detection of moving objects
norm of structured sparsity
robust principal component analysis
shrinkage operator of singular values
weighted nuclear norm
分类号
TM911.3 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
基于加权Schatten-p范数与结构稀疏分解的视频前背景分离
被引量：
2
2
作者
魏玉峰
景明利
李岚
孙坤
樊锐博
机构
西安石油大学电子工程学院
西安石油大学理学院
出处
《激光与光电子学进展》
CSCD
北大核心
2021年第8期381-387,共7页
基金
国家自然科学基金(61673314)
陕西省重点研发计划(2020GY-152)
+1 种基金
西安石油大学博士创新基金(290088266)
西安石油大学研究生创新计划(YCS19113056)。
文摘
在具有动态背景或测量噪声的场景中,基于核范数约束的低秩稀疏分解背景建模算法容易将运动的背景或噪声作为前景的一部分与前景同时分离出来,对复杂背景的建模性能表现不佳。针对此问题,提出一种加权Schatten-p范数与结构化稀疏分解的视频前背景分离算法。首先,因加权Schatten-p范数比核范数能够更好地抑制测量噪声,故采用加权Schatten-p范数对背景矩阵进行约束;其次,利用前景在空间上具有连续变化这一结构先验知识,对前景矩阵采用结构化稀疏约束,并在此基础上建立一种视频前背景分离模型;最后,利用增广拉格朗日方法与广义软阈值算法,设计了加权Schatten-p范数与结构稀疏分解算法。数值实验表明:与其他5种主流算法相比,所提算法在具有动态背景的场景中能更准确地分离目标。
关键词
机器视觉
低秩
稀疏
分解
结构
化
稀疏
范数
加权Schatten-p
范数
背景建模
Keywords
machine vision
low-rank and sparse decomposition
structured sparsity norm
weighted Schatten-p norm
background modeling
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
加权截断p范数在运动目标检测中的应用
被引量：
1
3
作者
宣晓
余勤
机构
四川大学电气信息学院
出处
《计算机工程》
CAS
CSCD
北大核心
2018年第6期233-238,248,共7页
文摘
在基于稀疏低秩分解的运动目标检测方法中,由于核范数并非为矩阵的秩函数最佳近似,未考虑到运动目标的空间连续性,在动态背景干扰的情况下,运动目标检测的效果不理想。针对上述问题,提出加权截断p范数分析模型。该模型将观测视频分为静态背景、运动目标与动态背景3个部分,静态背景采用改进的非凸范数,即加权截断p范数进行低秩约束,根据动态背景与运动目标具有空间连续性的特点,分别使用l_(2,1)范数进行结构性稀疏约束。实验结果表明,与鲁棒主成分分析模型、截断核范数模型、加权核范数模型以及相邻离群点低秩模型相比,该模型可有效去除动态背景扰动,并能提取到更精确的运动目标。
关键词
背景建模
运动目标提取
稀疏
与低秩理论
加权截断p
范数
结构
性
稀疏
范数
Keywords
background modeling
moving target extraction
sparse and low rank theory
weighted truncated p norm
structured-sparse norm
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种检测视频中运动目标的新方法
张延良
卢冰
张伟涛
李兴旺
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2019
3
下载PDF
职称材料
2
基于加权Schatten-p范数与结构稀疏分解的视频前背景分离
魏玉峰
景明利
李岚
孙坤
樊锐博
《激光与光电子学进展》
CSCD
北大核心
2021
2
原文传递
3
加权截断p范数在运动目标检测中的应用
宣晓
余勤
《计算机工程》
CAS
CSCD
北大核心
2018
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
