基于低秩矩阵恢复的目标快速检测方法研究OA
Fast object detection based on low-rank matrix recovery theory
为了实现快速运动目标检测，利用低秩矩阵恢复原理进行视频前景检测，主要针对低秩矩阵恢复算法存在的耗费大部分运算时间且运算较为复杂的奇异值分解问题，应用统一计算结构装置( CUDA)第三方库实现加速计算奇异值分解的低秩矩阵恢复算法优化，得到快速且高效的前景检测方法。基于开源视频序列实验，与原有的低秩矩阵恢复算法进行各项参数的比较，其中加速倍数达一倍以上。实验结果证明，经过优化的算法运算时间变短，具有更高效率。
In order to implement fast moving object detection, foreground detection is completed by using low-rank matrix recovery algorithm. As the main computation of low-rank matrix recovery algorithm is the singular value decomposition, most of which is time-consuming and com-plex, a fast and efficient foreground detection method is obtained by applying the compute unified device architecture( CUDA) and its third-party library to realize the low-rank matrix recover…查看全部>>
李俊;周薇娜
上海海事大学 信息工程学院，上海201306上海海事大学 信息工程学院，上海201306
计算机与自动化
低秩矩阵恢复前景检测统一计算结构装置
low-rank matrix recoveryforeground detectioncompute unified device architecture
《微型机与应用》 2016 (10)
75-78,4
评论