低秩矩阵的应用--背景建模

来源：互联网发布：知乎取消关注话题编辑：程序博客网时间：2024/05/31 19:29

背景建模是从拍摄的视频中分离出背景和前景。

由于背景的视频基本是不变的，所以如果把每帧当做一个矩阵的一列那么，矩阵是低秩的，所以低秩矩阵的恢复来恢复出背景。

今天主要完成了，在自己的数据库让进行背景和前景的分离。下面为主要步骤：

1.从马毅的实验室网址下载RPCA求解的代码http://perception.csl.illinois.edu/matrix-rank/introduction.html

2.给出的接口是[A_hat E_hat iter] = inexact_alm_rpca(D, lambda, tol, maxIter)

所以明确目标：D是我们的视频中的每一帧，A_hat 是我们估计的背景，E_hat是前景。

RPCA解决的问题是

[cpp] view plain copy

clc;
clear;
%% this to read avi by using mmread to get every frame
video = VideoReader('E:\FFOutput\test.avi');
nFrames = video.NumberOfFrames; %得到帧数
H = video.Height; %得到高度
W = video.Width; %得到宽度
Rate = video.FrameRate;
Cal_FrameN=300;
% Preallocate movie structure.
mov(1:Cal_FrameN) = struct('cdata',zeros(H,W,3,'uint8'),'colormap',[]);
%read one frame every time
for i = 1:Cal_FrameN
mov(i).cdata = read(video,i);
P = mov(i).cdata;
double_P=im2double(P);
%imshow( double_P),title('原始图片3');
Frame=rgb2gray( double_P);%当前灰度帧
%下采样
Down_Frame=Frame(2:4:H,2:4:W);
M(:, i) = Down_Frame(:);
% disp('当前播帧数：'),disp(i);
% imshow(P),title('原始图片');
% P2=rgb2gray(P);
end
[A_hat, E_hat, iter]=inexact_alm_rpca(M,0.006);
A=reshape(A_hat(:,200), size(Down_Frame));
E=reshape(E_hat(:,200), size(Down_Frame));
D_real=reshape(M(:,200), size(Down_Frame));
figure;
imshow(D_real),title('原始图片');
figure;
imshow(A),title('恢复图片');
figure;
imshow(abs(E)),title('错误图片');

因为是MATLAB的初学者所以遇到了两个问题：

A.必须对读取的图像做double_P=im2double(P);处理不然会出现

错误使用 *
MTIMES 不完全支持整数类。至少有一个输入必须为标量。
要按元素进行 TIMES 计算，请改用 TIMES (.*)。

出错 lanbpro (line 298)
r = At*U(:,1);

出错 lansvd (line 209)
[U,B,V,p,ierr,w] = lanbpro(A,j,p,options,U,B,V,anorm);

出错 inexact_alm_rpca (line 53)
norm_two = lansvd(Y, 1, 'L');

出错 background (line 36)
[A_hat, E_hat, iter]=inexact_alm_rpca(M,0.006);

B在显示错误图片时需要做abs绝对值处理，不然是全黑的图片，不能看到前景图像。

C.最后一个也非常重要lumada值为1/(根号m).m为一张图片像素点的个数

D还有一个问题就是原图片很到，直接做会有内存不够的问题，所以进行了下采样。

实验结果：

0 0