[发明专利]一种基于群稀疏鲁棒PCA的运动目标检测方法

权利要求书

1.一种基于群稀疏鲁棒PCA的运动目标检测方法，其特征在于：包括如下步骤：

步骤1、输入待测视频序列D，初始化群稀疏鲁棒PCA模型的参数，该模型为min||A||*+λ||E||Groups.t.D=A+E,]]>其中，||A||_*为背景矩阵A的核范数，||E||_Group为运动目标矩阵E的Group范数，λ为正则化参数；

步骤2、利用过分割算法对待测视频序列D的每一帧进行过分割，使得过分割后的各区域为同性区域，并得到各同性区域的边界坐标，将各同性区域作为一个分组，得到待测视频序列D的总分组数；

步骤3、设置最大迭代次数，对步骤2得到的所有分组利用增广拉格朗日乘子法对步骤1所述背景矩阵A和运动目标矩阵E进行交替迭代优化，当前迭代次数为k，则：

(1)计算k+1次迭代时的E_k+1值，计算矩阵T＝D-A_k+μ_k^-1Y_k，通过Group范数的阈值收缩公式进行求解，阈值收缩公式如下：

T~gi=||Tgi||2-λ/μk||Tgi||2Tgi,if||Tgi||2>λ/μk0,otherwise,1≤i≤J]]>

其中，为矩阵T在g_i分组的像素所组成的向量，为收缩后的向量值，更新后的Ek+1=U1≤i≤JT~gi;]]>

(2)计算k+1次迭代时的A_k+1值，计算矩阵T＝D-E_k+1+μ_k^-1Y_k，对T进行skinny奇异值阈值收缩，得到更新后的A_k+1；

(3)计算k+1次迭代后的拉格朗日乘子Y_k+1以及惩罚参数μ_k+1；

步骤4、更新迭代次数为k+1，若更新后的迭代次数大于步骤3设置的最大迭代次数，则进入步骤5；若更新后的迭代次数小于等于步骤3设置的最大迭代次数，则继续判断是否满足收敛条件，满足则进入步骤5，不满足则重复步骤3，继续迭代；

步骤5、输出所得的背景矩阵A和检测得到的运动目标矩阵E。