1. 研究目的与意义及国内外研究现状

（1）理解并掌握运动目标检测的原理及其算法，并了解用低秩矩阵和稀疏表示在图像处理的应用。

（2）将矩阵的低秩稀疏分解理论用于视频序列的运动目标检测，从复杂背景中有效分离运动目标，进而建立一套鲁棒的运动目标分割模型及其算法。

2. 研究的基本内容

针对长时段和大视频数据，本文研究了鲁棒主成分分析方法。鲁棒主成分分析（rpca）提供了一种将低秩数据和稀疏噪声分离的方法。本文中我们会通过对rpca松弛优化得到pca算法，并运用该算法进行视频图像的背景与前景分离，实现运动目标检测。

3. 实施方案、进度安排及预期效果

实行方案：

该运动目标检测系统环境windows 10（32位），开发环境是matlab r2015a,整个程序用matlab实现，测试视频是avi格式。

4. 参考文献

1. [1] gali c s s, loncaric s. spatio-temporal image segmentation using optical flow and clusteringalgorithm[c]. proceedings of the first international workshop on. ieee, 2000: 63-68.

   [2] doucet a, gordon n j, krishnamurthy v. particle filters for state estimation of jump markov linear systems[j]. signal processing, 2001, 49(3): 613-624.

   剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付