基于子空間聚類的運(yùn)動(dòng)分割方法研究.pdf

1、運(yùn)動(dòng)分割是視頻序列場(chǎng)景分析和理解的基礎(chǔ)，是計(jì)算機(jī)視覺(jué)、模式識(shí)別等領(lǐng)域的重要研究?jī)?nèi)容，廣泛應(yīng)用于自動(dòng)導(dǎo)航，治安監(jiān)控，智能交通等等。近些年來(lái)，隨著人類世界信息量急劇膨脹，高維數(shù)據(jù)的不斷涌入，運(yùn)動(dòng)分割的研究方法也在不斷完善和不斷適應(yīng)新環(huán)境，傳統(tǒng)的運(yùn)動(dòng)分割方法面對(duì)高維數(shù)據(jù)，噪聲干擾，相機(jī)移動(dòng)等問(wèn)題大都存在這樣那樣的問(wèn)題，很難達(dá)到理想的分割效果。這樣的背景下，基于子空間聚類的運(yùn)動(dòng)分割方法迅速上位，成為處理運(yùn)動(dòng)分割問(wèn)題最有效的方法之一。相比傳統(tǒng)運(yùn)動(dòng)

2、分割方法，該類方法有很多優(yōu)勢(shì)，尤其是基于譜聚類的低秩表示子空間聚類和稀疏表示子空間聚類，它們兼容高維數(shù)據(jù)，而且對(duì)于噪聲干擾、相機(jī)移動(dòng)等問(wèn)題具有很好的魯棒性?；谧涌臻g聚類的運(yùn)動(dòng)分割方法首先根據(jù)相關(guān)的優(yōu)化算法找到一個(gè)測(cè)度數(shù)據(jù)點(diǎn)兩兩之間相似程度的相似度矩陣，它描述為同一子空間內(nèi)的數(shù)據(jù)點(diǎn)保持較大相似性測(cè)度，不同子空間里的數(shù)據(jù)點(diǎn)保持較小相似性測(cè)度。然后基于所找的相似度矩陣，構(gòu)建一個(gè)相似度圖，數(shù)據(jù)點(diǎn)對(duì)應(yīng)圖結(jié)點(diǎn)，數(shù)據(jù)點(diǎn)之間的相似性測(cè)度對(duì)應(yīng)邊權(quán)重。最

3、后利用相關(guān)的譜聚類方法，將這個(gè)相似度圖里的節(jié)點(diǎn)聚類到不同子空間來(lái)實(shí)現(xiàn)簇的劃分并最終完成運(yùn)動(dòng)分割。
　　本文提出一種新的基于一致性稀疏子空間聚類的運(yùn)動(dòng)分割方法。稀疏子空間聚類通過(guò)尋求數(shù)據(jù)點(diǎn)關(guān)于其他數(shù)據(jù)點(diǎn)的稀疏表示來(lái)提取高維數(shù)據(jù)中的低維子結(jié)構(gòu)，沒(méi)有考慮不同特征點(diǎn)隸屬同一子空間的可能性，忽略了特征點(diǎn)間的運(yùn)動(dòng)一致性信息。本文針對(duì)這一問(wèn)題，基于視頻中跟蹤點(diǎn)運(yùn)動(dòng)的一致程度，定義―“致性度量模型”，該模型在求解數(shù)據(jù)的稀疏表示之前準(zhǔn)確度量了數(shù)據(jù)點(diǎn)

4、隸屬于同一子空間的可能性；根據(jù)這一模型本文又提出一種采用子空間聚類處理運(yùn)動(dòng)分割問(wèn)題的算法：一致性稀疏子空間聚類算法（CSSC）。CSSC算法將運(yùn)動(dòng)的一致程度引入到稀疏優(yōu)化模型的目標(biāo)函數(shù)中，得到帶有一致性約束的稀疏優(yōu)化模型，采用交替方向乘子法求解新模型，在最小化約束下，新模型更有利于分離出稀疏表示系數(shù)中的大系數(shù)，特征點(diǎn)軌跡更有利于被隸屬于同一運(yùn)動(dòng)物體的其他特征點(diǎn)軌跡線性表示，從而得到更優(yōu)的稀疏表示。實(shí)驗(yàn)結(jié)果表明，本文所提模型能夠得到更優(yōu)的