[发明专利]一种基于多特征稳健主成分分析的视频运动对象分割算法

权利要求书

1.一种基于多特征稳健主成分分析的视频运动对象分割算法，包括以下步骤： 

(1)、对视频序列进行特征提取，分别提取视频序列图像颜色、边缘、纹理特征矩阵；

(2)、建立多特征稳健主成分分析的目标函数，采用拉格朗日乘子法求解上述目标函数，将融合后的视频特征矩阵进行分解，分解为低秩部分Z和稀疏部分E，即分解为背景区域和前景区域；

(3)、采用kmeans方法，将步骤（2）中分解得到的前景区域分割获得运动对象。 

2.如权利要求1所述的一种基于多特征稳健主成分分析的视频运动对象分割算法，其特征在于，上述步骤(2)所述的建立多特征稳健主成分分析的视频运动对象分割算法的目标函数，采用拉格朗日乘子法求解上述目标函数，将融合后的视频特征矩阵信息进行分解，分别得到低秩部分Z和稀疏部分E，即，分解为背景区域和前景区域，从而获得准确的区域分类，在步骤(2)中，多特征稳健主成分分析视频运动对象分割算法的提出及解决，其具体步骤如下：

(2-1)、多特征稳健主成分分析的视频运动对象分割算法的提出：

(2-1-1)、设定视频运动对象的多特征矩阵，融合各特征矩阵

假设                                               为表示K种特征的K个矩阵，的大小为，其中为特征维数、N为像素的数目；

(2-1-2)、使用稳健主成分分析算法中稀疏和低秩的思想，通过融入多个特征，建立多特征稳健主成分分析分割算法的目标函数， 多特征稳健主成分分析算法中的最小化问题可以使用拉格朗日乘子法进行有效的求解，寻找联合稀疏矩阵E。构建目标函数，其表达式为：

                            (4)

使得.                        

式(4)中，为通过矩阵的列垂直连接形成的， 为 范数， 范数为矩阵的列的范数的和：

                                (5)

式(5)中，为矩阵E的第i行、第j列的项；

 (2-2)、用拉格朗日乘子法解上述目标函数，将融合后的视频特征矩阵信息进行分解，分别得到低秩部分Z和稀疏部分E，即分解为背景区域和前景区域，从而获得准确的区域分类；

(2-2-1)、将上述式（4）中的最小化问题转化为下述的函数问题求解：

用拉格朗日乘子法(ALM) 法来解决目标函数中的最小化问题，转化后的拉格朗日函数方程为：

               (6)

式(6)中, 为拉格朗日乘子。为一个惩罚参数，通过上述拉格朗日函数方程计算式（4）中目标函数的最小化问题

(2-2-2)、采用非精确的拉格朗日乘子法解上述转化函数式(6),具体如下：

输入: 数据矩阵参数

初始化:    

while not converged do

1、固定其它值，通过下式更新

2、固定其它值，通过下式更新

其中通过垂直连接矩阵的列形成.

3、更新乘子

4、更新参数

5、检查收敛条件

endwhile. 

输出: A，E ， 即，分解为视频序列的背景区域和前景区域，获得准确的区域分类。