论文部分内容阅读
在许多计算机视觉任务中,运动目标检测是视频自动分析的基础步骤。近年来,许多基于鲁棒主成分分析(RPCA)的静态背景与运动前景分离的方法被提出来应用于运动目标检测。通过假设视频帧的背景与前景部分分别是低秩和稀疏的,传统的RPCA方法使用l1范式对前景部分进行稀疏约束,但在实际应用中,由于前景部分不一定是严格稀疏的,所以使用l1范式对前景进行约束可能过于严格,例如在处理具有相机抖动和动态背景等情况的视频时,会极大限制RPCA提取前景的有效性。基于传统RPCA方法并结合拉普拉斯尺度混合(LSM)模型,提出