文献

J-GLOBAL ID：201802264620514326   整理番号：18A1648367

複雑な動的背景下の運動物体検出のための多成分群スパースRPCAモデル【JST・京大機械翻訳】

Multi-component group sparse RPCA model for motion object detection under complex dynamic background

著者 (5件)： Wu Min (Department of Medical Engineering, Nanjing General Hospital, Nanjing University School of Medicine, Jinling Hospital, Nanjing 210002, China) ,  Sun Yubao (Jiangsu Key Laboratory of Big Data Analysis Technology, Collaborative Innovation Center on Atmospheric Environment and Equipment Technology, Nanjing University of Information Science and Technology, Nanjing 210014, China) ,  Hang Renlong (Jiangsu Key Laboratory of Big Data Analysis Technology, Collaborative Innovation Center on Atmospheric Environment and Equipment Technology, Nanjing University of Information Science and Technology, Nanjing 210014, China) ,  Liu Qingshan (Jiangsu Key Laboratory of Big Data Analysis Technology, Collaborative Innovation Center on Atmospheric Environment and Equipment Technology, Nanjing University of Information Science and Technology, Nanjing 210014, China) ,  Liu Guangcan (Jiangsu Key Laboratory of Big Data Analysis Technology, Collaborative Innovation Center on Atmospheric Environment and Equipment Technology, Nanjing University of Information Science and Technology, Nanjing 210014, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 314  ページ： 120-131  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ロバストPCAモデルとその変種は,動画像または画像列行列を低ランク背景成分とスパース移動物体成分に分解する運動物体検出のための有望なツールである。それらは静的背景をうまく扱うことができるが,背景運動は通常,複雑な動的背景(例えば,噴水,リプル,振動葉など)の条件の下でまばらな成分に混合される。一方,前景物体の検出境界は通常不正確で不完全である。本論文では,上記のすべての困難に対処するために,多成分グループスパースRPCAモデルを提案した。動的背景から前景運動物体を分離することを目的として,著者らのモデルは,3つの構成要素,すなわち低ランク静的背景,グループスパース前景,および動的背景として観察されたビデオまたは画像シーケンスを表現した。オブジェクト境界を事前に統合するために,各フレームをグループ情報とみなされるスーパーピクセルに過剰分割し,グループスパースノルムを定義する。従って,グループスパースノルムは全体として各スーパーピクセルを取り,スパース前景を測定する。さらに,動的背景成分からスパース前景運動の分離可能性を強化するために,非コヒーレンス項を導入した。さらに,提案したモデルを解くために乗算器アルゴリズムの交互方向法を適用した。広範な実験結果により,いくつかの代表的方法に対する本方法の優位性を実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 移動体 ,  録画装置 ,  *モデル ,  ロバスト性 ,  画素 ,  噴水 ,  動画像 ,  ノルム ,  コヒーレンス ,  乗算器 ,  アルゴリズム
準シソーラス用語： 分離可能性 ,  前景 ,  画像列 ,  物体検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 運動物体検出 ,  低ランク ,  多成分表現 ,  グループスパース ,  インコヒーレンス

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 背景 ,  運動 ,  物体検出 ,  モデル