APP下载

基于低秩矩阵恢复的目标快速检测方法研究

2016-06-02周薇娜上海海事大学信息工程学院上海201306

网络安全与数据管理 2016年10期

李 俊,周薇娜(上海海事大学信息工程学院,上海201306)



基于低秩矩阵恢复的目标快速检测方法研究

李俊,周薇娜
(上海海事大学信息工程学院,上海201306)

摘 要:为了实现快速运动目标检测,利用低秩矩阵恢复原理进行视频前景检测,主要针对低秩矩阵恢复算法存在的耗费大部分运算时间且运算较为复杂的奇异值分解问题,应用统一计算结构装置(CUDA)第三方库实现加速计算奇异值分解的低秩矩阵恢复算法优化,得到快速且高效的前景检测方法。基于开源视频序列实验,与原有的低秩矩阵恢复算法进行各项参数的比较,其中加速倍数达一倍以上。实验结果证明,经过优化的算法运算时间变短,具有更高效率。

关键词:低秩矩阵恢复;前景检测;统一计算结构装置

0 引言

目标检测是把视频序列中感兴趣的目标分割出来,作为许多视觉应用中最基础的部分,深入探讨其相关算法研究以提高其检测性能与精度,显得相当重要。传统目标检测算法计算较为复杂,检测精度相对较低,性能也较低下。随着计算机技术的高速发展,所拍摄的视频序列图像分辨率也越来越高,这使得视频序列中图像数据量过大和数据维数过高,增加目标检测计算难度。对高维数据降维,用降维得到的低维数据表征原有的高维数据从而降低数据计算复杂度成了视频图像数据处理的重要方法。主成分分析(Principal Component Analysis,PCA)是一种很有效的分析高维数据的工具,把高维数据投影到低维空间,奇异值分解(Singular Value Decomposition,SVD)使得PCA有了稳定高效的计算能力,但当矩阵元素受到严重破坏时,PCA则对矩阵估计不准确。……

登录APP查看全文