摘要：传统的鲁棒主成分分析模型能较好地解决视频前景检测问题.但是,若该模型的假设条件不能满足,算法性能会变差.针对此问题,本文提出了一种低秩与加权稀疏分解模型,通过对前景矩阵加权以增强其稀疏性.在建立加权矩阵的过程中,采用光流法获取每帧的运动矢量,以区分真实运动区域.其次,进一步提出一种增强模型,通过将加权矩阵作用于观测矩阵及背景矩阵,防止前景与背景的错误分离.实验结果表明,在无噪和有噪的情况下,提出的算法均能有效地分离监控视频中的前景和背景.

关键词：前景检测 运动目标检测 鲁棒主成分分析 低秩表示 光流法 

单位：广西大学计算机与电子信息学院; 广西南宁530004; 广西大学广西多媒体通信与网络技术重点实验室培育基地; 广西南宁530004; 广西大学广西高校多媒体通信与信息处理重点实验室; 广西南宁530004