研发人：林倞
数据科学与计算机学院
当前在智能视频监控领域的研究尽管已经取得了长足的进步，但是复杂场景中的运动目标分割问题依然是一个尚未解决的开放式问题。
常见的复杂场景包括动态变化的背景、光照的变化（尤其是突然的变化）、难以与背景区分出来的运动目标等等。
受到动态纹理和光照建模的一些工作的启发，本方法建立在视频场景中一个固定位置的时空立方体序列处于一个低维流形中，且时空立方体在序列中的变化满足局部线性关系的直观动机的基础上。
在此直观动机下，提出了一个简单并且有效的运动目标分割算法。
通过在视频时空立方体的序列上学习和维护动态纹理模型来实现对背景进行建模。在运动目标分割方法中，视频中的背景场景被分割成了许多个固定大小的单元，对于每个视频单元，从中提取出一个视频立方体序列。运动目标分割的问题被转化为求解每个单元中的视频立方体序列的流形的问题。假设每个视频立方体序列为连续的信号，采用自动回归平均移动模型描述局部时空流形的时空统计量。给出一个时空立方体序列，每个模型都能够在离线学习阶段求出一个解析解；给出在实时检测阶段下新来的时空立方体，计算在当前局部时空流形下的外观和状态的产生式噪声；通过设置两个对应的阈值，实现运动目标的分割。然后通过无协方差增量式主成分分析或者是增量式主成分分析算法对局部时空流形的结构进行在线更新，通过估计新来的时空立方体对应的状态并重新使用解线性问题对局部时空流形的状态变化进行更新。
 |
 |
 |
| 服务号 | 订阅号 | 微博 |
