Real-Time Motion Detection Using Dynamic Mode Decomposition

动态模态分解（DMD）是一种数值方法，旨在将时间序列数据拟合为线性动态系统。通过这样做，DMD将动态数据分解成空间一致的模态，这些模态随着指数增长/衰减或固定的振荡频率随时间演变。 DMD的一个广泛应用是视频处理，其中将高维像素空间随时间演变解释为视频播放。在本文中，我们提出了一种基于DMD的简单且易于解释的流视频数据运动检测算法。我们的方法利用了一个事实，即重要视频特征（如前景运动）的演变与应用DMD到视频片段后产生的矩阵的特征值之间存在对应关系。我们将该方法应用于模拟不同真实条件下的安全监控视频的测试视频数据库。使用接收器操作特征曲线分析效果，同时使用交叉验证来优化识别运动的阈值参数。

本篇论文旨在提出一种基于DMD的简单且易于理解的流媒体视频数据运动检测算法，并使用实验验证其有效性。

该论文的关键思路是将DMD应用于视频数据，通过对视频数据进行分段处理，得到矩阵的特征值，从而检测视频中的运动。

该论文的亮点在于提出了一种简单而有效的基于DMD的运动检测算法，并使用ROC曲线和交叉验证来评估其性能。实验使用了一个包含不同情况下的安全监控视频的数据库，并展示了该算法在各种情况下的良好表现。

与该论文相关的研究包括：1.基于深度学习的视频运动检测算法；2.基于光流的视频运动检测算法。