[论文解读] Moving Object Detection in Video Using Saliency Map and Subspace Learning

Yanwei Pang, Ye Li+2 more|arXiv (Cornell University)|Sep 30, 2015

Video Surveillance and Tracking Methods参考文献 28被引用 3

一句话总结

该论文提出MODSM，一种新颖的运动目标检测方法，通过将显著图整合到增量子空间学习框架中，以减少误报和漏报。通过联合优化稀疏性、低秩结构、连通性与显著性，该方法在具有复杂背景、无纹理区域及无意义运动的视频中提升了前景检测性能，在基准序列上实现了0.7711的SOTA F1分数。

ABSTRACT

Moving object detection is a key to intelligent video analysis. On the one hand, what moves is not only interesting objects but also noise and cluttered background. On the other hand, moving objects without rich texture are prone not to be detected. So there are undesirable false alarms and missed alarms in many algorithms of moving object detection. To reduce the false alarms and missed alarms, in this paper, we propose to incorporate a saliency map into an incremental subspace analysis framework where the saliency map makes estimated background has less chance than foreground (i.e., moving objects) to contain salient objects. The proposed objective function systematically takes account into the properties of sparsity, low-rank, connectivity, and saliency. An alternative minimization algorithm is proposed to seek the optimal solutions. Experimental results on the Perception Test Images Sequences demonstrate that the proposed method is effective in reducing false alarms and missed alarms.

研究动机与目标

• 解决传统运动目标检测因噪声、杂乱背景和无纹理区域导致的高误报率和漏报率问题。
• 利用显著图作为引导，突出语义上有意义的运动目标，抑制背景变化带来的干扰。
• 在单一优化框架中统一稀疏性、低秩性、连通性与显著性，实现鲁棒的视频背景建模。
• 开发一种增量算法，提升在动态场景中的准确性和适应性，优于批量方法。
• 降低对完美显著图的依赖，使方法在显著图质量不佳时仍具备鲁棒性。

提出的方法

• 该方法构建了一个统一的目标函数，结合显著图、低秩背景矩阵、稀疏前景以及连通性约束。
• 采用基于交替方向乘子法（ADMM）的算法，迭代求解非凸优化问题。
• 利用显著图作为空间先验，抑制如摇曳树叶或涟漪等无意义运动区域的误报。
• 前景建模为稀疏矩阵，背景则在随时间增量学习的子空间中表示为低秩矩阵。
• 应用连通性约束，确保检测到的运动目标在空间上保持连贯性。
• 该方法为增量式，支持无需完整重计算的视频序列实时处理。

实验结果

研究问题

• RQ1 将显著图整合到子空间学习中，能否有效减少由摇曳树叶或涟漪等无意义运动引起的误报？
• RQ2 所提方法能否提升对传统方法常遗漏的无纹理运动区域的检测能力？
• RQ3 与独立的子空间或显著图方法相比，显著图与低秩及稀疏矩阵分解的融合对检测性能有何影响？
• RQ4 显著图的质量在多大程度上影响最终的检测精度？
• RQ5 增量优化框架在运动目标检测中能否实现优于批量方法的性能？

主要发现

• 所提出的MODSM方法在九个视频序列上取得了0.7711的最高平均F1分数，优于RFDSA（0.7489）和DECOLOR。
• 当排除显著图性能下降的Lobby视频后，MODSM的F1分数提升至0.7955，表明其对显著图质量具有敏感性。
• 在Fountain视频中，MODSM在0.05的误报率下实现了0.99的真正例率，优于RFDSA（0.935）。
• 视觉结果表明，MODSM与真实标注高度一致，而RFDSA和DECOLOR存在误报（如将自动扶梯或树叶误判为前景）和漏检问题。
• 该方法能有效抑制动态背景场景中的误报，即使在显著图质量不佳时仍表现良好。
• 将显著图作为空间先验显著提升了对低纹理运动目标的检测能力，减少了漏报。