Real-Time Motion Detection Using Dynamic Mode Decomposition

要約

動的モード分解 (DMD) は、時系列データを線形動的システムに当てはめようとする数値手法です。
その際、DMD は動的データを空間的にコヒーレントなモードに分解し、指数関数的な成長/減衰に従って、または固定周波数の振動で時間とともに進化します。
DMD はビデオに多用されており、ビデオの再生中に時間の経過とともに進化する高次元のピクセル空間を解釈します。
この研究では、DMD に基づいたストリーミング ビデオ データ用のシンプルで解釈可能な動き検出アルゴリズムを提案します。
私たちの方法は、前景の動きなどの重要なビデオ特徴の進化と、DMD をビデオのセグメントに適用した結果得られる行列の固有値との間に対応関係が存在するという事実を利用します。
この方法を、さまざまな現実的な条件下でセキュリティ映像をエミュレートするテストビデオのデータベースに適用します。
有効性は受信機の動作特性曲線を使用して分析され、相互検証を使用して動きを識別するしきい値パラメーターを最適化します。

要約(オリジナル)

Dynamic Mode Decomposition (DMD) is a numerical method that seeks to fit timeseries data to a linear dynamical system. In doing so, DMD decomposes dynamic data into spatially coherent modes that evolve in time according to exponential growth/decay or with a fixed frequency of oscillation. A prolific application of DMD has been to video, where one interprets the high-dimensional pixel space evolving through time as the video plays. In this work, we propose a simple and interpretable motion detection algorithm for streaming video data rooted in DMD. Our method leverages the fact that there exists a correspondence between the evolution of important video features, such as foreground motion, and the eigenvalues of the matrix which results from applying DMD to segments of video. We apply the method to a database of test videos which emulate security footage under varying realistic conditions. Effectiveness is analyzed using receiver operating characteristic curves, while we use cross-validation to optimize the threshold parameter that identifies movement.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google