With the rapid development of various computing technologies, the constraints of data processing capabilities gradually disappeared, and more data can be simultaneously processed to obtain better performance compared to conventional methods. As a standard statistical analysis method that has been widely used in many fields, Independent Component Analysis (ICA) provides a new way for motion detection by extracting the foreground without precisely modeling the background. However, most existing ICA-based motion detection algorithms use only two-channel data for source separation and simply generate the observation vectors by decomposing and reconstructing the images by row, hence they cannot obtain an integrated and accurate shape of the moving objects in complex scenes. In this article, we propose a refined ICA algorithm for motion detection (RICA-MD), which fuses a larger number of channels than conventional ICA-based motion detection algorithms to provide more effective information for foreground extraction. Meanwhile, we propose four novel methods for generating observation vectors to further cover the diverse motion styles of the moving objects. These improvements enable RICA-MD to effectively deal with slowly moving objects, which are difficult to detect using conventional methods. Our quantitative evaluation in multiple scenes shows that our proposed method is able to achieve a better performance at an acceptable cost of false alarms.

中文翻译：

---

RICA-MD：一种用于运动检测的改进 ICA 算法

随着各种计算技术的飞速发展，数据处理能力的限制逐渐消失，与传统方法相比，可以同时处理更多的数据以获得更好的性能。独立分量分析（Independent Component Analysis，ICA）作为一种在许多领域得到广泛应用的标准统计分析方法，通过提取前景而不需要对背景进行精确建模，为运动检测提供了一种新的方法。然而，现有的基于ICA的运动检测算法大多仅使用两通道数据进行源分离，简单地通过逐行分解和重构图像来生成观察向量，因此无法获得复杂场景中运动物体的完整、准确的形状。 . 在本文中，我们提出了一种改进的 ICA 运动检测算法（RICA-MD），它融合了比传统的基于 ICA 的运动检测算法更多的通道，为前景提取提供更有效的信息。同时，我们提出了四种生成观察向量的新方法，以进一步涵盖运动物体的不同运动风格。这些改进使 RICA-MD 能够有效地处理使用传统方法难以检测到的缓慢移动的物体。我们在多个场景中的定量评估表明，我们提出的方法能够以可接受的误报成本实现更好的性能。我们提出了四种生成观察向量的新方法，以进一步涵盖运动物体的不同运动风格。这些改进使 RICA-MD 能够有效地处理使用传统方法难以检测到的缓慢移动的物体。我们在多个场景中的定量评估表明，我们提出的方法能够以可接受的误报成本实现更好的性能。我们提出了四种生成观察向量的新方法，以进一步涵盖运动物体的不同运动风格。这些改进使 RICA-MD 能够有效地处理使用传统方法难以检测到的缓慢移动的物体。我们在多个场景中的定量评估表明，我们提出的方法能够以可接受的误报成本实现更好的性能。