Abstract Background subtraction is needed to extract foreground information from a video sequence for further processing in many applications, such as surveillance tracking. However, due to the presence of a dynamic background and noise, extracting foreground accurately from a video sequence remains challenging. A novel projection method, namely Principal Mode Component Analysis (PMCA), is proposed to capture the most repetitive patterns of a video sequence, which is one of the key characteristics of the video background. The patterns are captured by applying the bootstrapping method together with the statistic mode measure. The bootstrapping method can model the distribution of almost any statistic of the dynamic background and complicated noise. This is different from current methods, which restrict the distribution to a closed-form function. We introduce a mathematical relaxation that can formulate the statistical mode measure for a continuous video data. A fast exhaustive search method is proposed to find the global optimal solution for the PMCA. This fast method adopts a simplification procedure that makes the optimization procedure independent of the video size. The proposed method is computationally much more traceable than existing ones. We compare the proposed method with 10 different methods, including several state-of-the-art techniques, for 19 different real-world video sequences from two popular datasets. Experiment results show that the proposed method performs the best in 16 cases and second best in 2 cases.

中文翻译：

---

基于统计自举的动态背景减法主模分量分析

摘要 背景减法需要从视频序列中提取前景信息，以便在许多应用中进行进一步处理，例如监视跟踪。然而，由于存在动态背景和噪声，从视频序列中准确提取前景仍然具有挑战性。提出了一种新的投影方法，即主模分量分析 (PMCA)，以捕获视频序列中最重复的模式，这是视频背景的关键特征之一。通过应用引导方法和统计模式度量来捕获模式。自举方法可以对动态背景和复杂噪声的几乎任何统计量的分布进行建模。这与当前的方法不同，后者将分布限制为封闭形式的函数。我们引入了一种数学松弛，可以为连续视频数据制定统计模式度量。提出了一种快速穷举搜索方法来寻找 PMCA 的全局最优解。这种快速方法采用简化程序，使优化程序独立于视频大小。所提出的方法在计算上比现有方法更具可追溯性。我们将所提出的方法与 10 种不同的方法进行比较，包括几种最先进的技术，用于来自两个流行数据集的 19 个不同的真实世界视频序列。实验结果表明，所提出的方法在16个案例中表现最好，在2个案例中表现第二。提出了一种快速穷举搜索方法来寻找 PMCA 的全局最优解。这种快速方法采用简化程序，使优化程序独立于视频大小。所提出的方法在计算上比现有方法更具可追溯性。我们将所提出的方法与 10 种不同的方法进行比较，包括几种最先进的技术，用于来自两个流行数据集的 19 个不同的真实世界视频序列。实验结果表明，所提出的方法在16个案例中表现最好，在2个案例中表现第二。提出了一种快速穷举搜索方法来寻找 PMCA 的全局最优解。这种快速方法采用简化程序，使优化程序独立于视频大小。所提出的方法在计算上比现有方法更具可追溯性。我们将所提出的方法与 10 种不同的方法进行比较，包括几种最先进的技术，用于来自两个流行数据集的 19 个不同的真实世界视频序列。实验结果表明，所提出的方法在16个案例中表现最好，在2个案例中表现第二。我们将所提出的方法与 10 种不同的方法进行比较，包括几种最先进的技术，用于来自两个流行数据集的 19 个不同的真实世界视频序列。实验结果表明，所提出的方法在16个案例中表现最好，在2个案例中表现第二。我们将所提出的方法与 10 种不同的方法进行比较，包括几种最先进的技术，用于来自两个流行数据集的 19 个不同的真实世界视频序列。实验结果表明，所提出的方法在16个案例中表现最好，在2个案例中表现第二。