專利名稱：物體陰影的檢測方法
技術領域：
本發(fā)明是有關于一種數字圖像處理方法，特別是有關于一種陰影檢測方法。
背景技術：
近年來，各國政府驚覺對環(huán)境安全信息的不足，開始積極投入視頻安全監(jiān)控產業(yè) 的發(fā)展，以強化相關安全管制措施；加上社會大眾對個人、住家及小區(qū)保全設施重視程度的 逐漸增加，促使視頻安全監(jiān)控產品需求快速成長。在廣泛設置的圖像監(jiān)控系統(tǒng)中，移動物體 檢測扮演相當重要的角色。正確的檢測移動物體大小及位置可以大幅提高后續(xù)操作諸如 異常事件分析、入侵檢測分析等等！ 目前圖像監(jiān)控系統(tǒng)往往通過背景相減法等數字圖像處理技術獲取感興趣的移動 物體，進行高階的行為分析。然而，背景相減法往往將物體的陰影視為前景，使得物體大小 及位置無法正確判斷，因而造成后續(xù)分析上的困難。因此，圖像監(jiān)控系統(tǒng)如何能在去除物體 背景之后，執(zhí)行陰影檢測并去除之確有其必要性。 圖1是傳統(tǒng)陰影檢測方法的流程圖。步驟S110即將前景物減去背景的色彩特征， 以取得圖像的特征。比如，將背景的統(tǒng)計數據與前景物進行差異比對，從而得到相應物體的 陰影的待檢區(qū)域。 步驟S120是對圖像進行色彩空間轉換，比如將前述物體的陰影的待檢區(qū)域的色
彩表示格式進行轉換，從而分別得到相應的亮度、色度、色調與飽和度。 步驟S130需由使用者根據色彩空間轉換后的圖像，手動設定閾值(Threshold)。
比如，針對亮度差、色調差、色度差、亮度梯度差或朗士基行列式值等統(tǒng)計數據手動進行閾
值設定。 步驟S140即依據所設定的閾值，從圖像中檢測出陰影，以區(qū)別移動物體與其陰 影。物體陰影的物理特性若與背景圖像比較，其色調相似但亮度較低。其中，若前述色彩空 間轉換后的圖像的像素值滿足于基于前述物體特性所設定的閾值，則可判定該像素屬于陰 影部分；反之，可判定該像素屬于物體部分。 傳統(tǒng)陰影檢測方法往往只能針對特定場景及光源，由使用者自行設定個別參數以 滿足不同圖像的陰影特性?；仡欉^去陰影的去除方法，主要都著重在于色彩空間的轉換或 特征的選取，但其中如何設定一個好的閾值使其在轉換后的色彩空間或特征空間上得到良 好的陰影分割(Segmentation)，往往得仰賴人為手動的參數設定，主要的原因在于影片間 的變異性、甚至同一影片中光影的變化性都難以掌控。然而，不同的環(huán)境光源(如散射光或 直射光)表現在圖像上的陰影特性也大不相同，甚至連光源的強度也會影響陰影特性，種 種因素將會提高陰影檢測的困難度。針對這些問題，傳統(tǒng)上的作法只能針對個別不同的場 景、不同的環(huán)境光源，由使用者自行設定個別參數以滿足不同場景的陰影特性，實際的應用 上仍存在相當的困難及不便。

發(fā)明內容
本發(fā)明提出一種物體圖像陰影檢測方法，以自動學習的方式，無需由使用者設定 參數便可檢測圖像陰影。 有鑒于此，本發(fā)明提供一種陰影檢測方法，包括下列步驟首先，檢測連續(xù)多張圖 像中的移動物體。接著計算這些圖像中移動物體的色彩差異的直方圖(Histogram);之后 累計這些圖像的色彩差異的直方圖，獲得累計直方圖；隨即估測累計直方圖上色彩差異的 分布，獲得陰影分布函數；以及利用陰影分布函數判斷所接收圖像中的每一個像素是否為 陰影。 在本發(fā)明的一實施例中，上述的檢測連續(xù)多張圖像中的移動物體的步驟包括先擷
取背景圖像，之后再將這些圖像減去背景圖像，從而獲得這些圖像中移動物體的物體圖像。 本發(fā)明的一實施例中，上述計算這些圖像中移動物體的色彩差異的直方圖的步驟
包括先將這些物體圖像減去背景圖像中相同區(qū)域的圖像，以獲得移動物體與背景圖像間每
一個像素的色彩差異，之后再計算移動物體中像素的色彩差異的分布，從而獲得移動物體
的色彩差異的直方圖。 本發(fā)明的一實施例中，上述累計圖像的色彩差異的直方圖，獲得累計直方圖的步 驟包括將這些圖像的色彩差異的直方圖中對應的色彩差異相加、相乘或取平均值以作為累 計直方圖。 本發(fā)明的一實施例中，上述估測累計直方圖上色彩差異的分布，獲得陰影分布函 數的步驟是針對累計直方圖中色彩差異的峰值區(qū)域內的分布曲線，估測與其近似的高斯曲 線，而以高斯曲線的函數作為陰影分布函數，而估測高斯曲線的步驟包括利用強健估測法 (Robust estimation)以進行估測。 本發(fā)明的一實施例中，上述利用陰影分布函數判斷所接收圖像中的每一個像素是 否為陰影的步驟包括先將所接收圖像減去背景圖像，獲得移動物體的物體圖像，之后判斷 物體圖像中的每一個像素的像素值是否落于陰影分布函數所定義的像素值范圍內。其中， 若像素的像素值落于像素值范圍內，則判定像素屬于移動物體的陰影；反之，若像素的像素 值非落于像素值范圍內，則判定像素屬于移動物體的本體。 為讓上述本發(fā)明的目的、特征和優(yōu)點能更明顯易懂，下文特舉本發(fā)明幾個實施例， 并配合所附圖式，作詳細說明如下。


圖l是傳統(tǒng)陰影檢勁 圖2是根據本發(fā)明- 圖3是根據本發(fā)明- 圖4A是根據本發(fā)明 圖4B是根據本發(fā)明 圖5是根據本發(fā)明- 圖6是根據本發(fā)明- 圖7是根據本發(fā)明- 圖8是根據本發(fā)明-
方法的流程圖。
實施例所繪示的陰影檢測方法的流程圖。 實施例所繪示的累計直方圖的更新方式。 -實施例所繪示的陰影分布函數估測方式。 -實施例所繪示的影響函數P 。 實施例所繪示的陰影檢測的訓練階段的示意圖。 實施例所繪示的陰影檢測方法的流程圖。 實施例所繪示的陰影檢測的訓練階段的示意圖。 實施例所繪示的陰影檢測的應用階段的示意圖。
[主要元件標號說明] 310:目前圖像 330 :累計直方圖 520 :連續(xù)多張圖像 540 :累計直方圖 542:陰影分布函數 m:高斯曲線的平均值 p :影響函數 S110 S140 :傳統(tǒng)陰影 S210 S250 :本發(fā)明一 S610 S680 :陰影檢測 S702 S726 :本發(fā)明一 S810 S880 :本發(fā)明一 R :紅色色彩空間 B :藍色色彩空間 S:色度色彩空間
320 :直方圖
510 :背景圖像
530 :色彩差異的直方圖
541 :色彩差異的分布曲線
h :高斯曲線區(qū)間m的統(tǒng)計量
0 :匹配函數
檢測方法的各步驟
實施例的陰影檢測方法的各步驟
方法的各步驟
實施例的陰影檢測訓練階段的各步驟 實施例的陰影檢測應用階段的各步驟 G :綠色色彩空間 H :色調色彩空間 I :亮度色彩空間
具體實施例方式
本發(fā)明通過估測移動物體的色彩差異值以作為特征，利用陰影所在像素落于特征 直方圖上特定區(qū)的特性，通過眾多的觀察來更新一個累計直方圖，使其強化出陰影特征所 在區(qū)間的分布并弱化其它區(qū)間，最后再通過強健估測法來估測分布函數，藉以將其參數化 以利后續(xù)的陰影檢測。為了使本發(fā)明的內容更為明了，以下特舉實施例作為本發(fā)明確實能 夠據以實施的范例。 圖2示例本發(fā)明一實施例的陰影檢測方法的流程圖。請參照圖2，本實施例是先檢 測連續(xù)多張圖像中的移動物體(步驟S210)。移動物體檢測主要是利用先建立一個背景建 立的技術，再將目前圖像與所建立的背景相減來獲得前景。通過背景相減后所得出的前景， 可利用連接對象標記法(ConnectedComponent Labeling)將每一個連接對象(即每一個個 體)區(qū)分出來，接下來則針對每一個連接對象(稱之為觀察)，取其所有像素的色彩特征進 行后續(xù)的直方圖統(tǒng)計。 接著，計算移動物體直方圖(步驟S220)，即計算移動物體的特征分布。這里的特
征并不直接采用色彩空間的數值，而是以移動物體與背景的色彩差異值作為特征，主要的
原因在于當背景被陰影遮蔽時，其投射在背景的光源強度有同等強度的減弱。如此一來，
與光源強度有相似響應的特征即具有前景與背景的特征值落于同一區(qū)間的特性，故可通過
此一特性來強化陰影并弱化前景，藉以計算出最佳的陰影特征差異值范圍。 詳細地說，本實施例先將上述的物體圖像減去背景圖像中相同區(qū)域的圖像，而獲
得移動物體與背景圖像間每一個像素的色彩差異，然后再計算移動物體中像素的色彩差異
的分布，即可獲得移動物體的色彩差異的直方圖。舉例來說，可計算灰階圖像的不同像素值
的像素數目的統(tǒng)計分布，以獲得像素值為0-255的像素數目分布。 下一步則累計這些圖像的色彩差異的直方圖，以獲得累計直方圖(步驟S230)。比如累加連續(xù)多張圖像所產生的相應直方圖，而更新累計直方圖。通過眾多的直方圖持續(xù)更 新累計直方圖，使得此累計直方圖可強化出陰影分布的區(qū)間并估計陰影在圖像中的總體趨 勢。 圖3示例累計直方圖更新方式。請參照圖3，本實施例是針對目前圖像310中不 同像素值的像素數目進行統(tǒng)計，并以直方圖的方式繪制，而可得到目前圖像310的直方圖 320。接著，以相同方法計算取得多張目前圖像的直方圖后，即可將這些直方圖進行累計并 用以更新累計直方圖330，其更新方式例如是通過下列公式 <formula>formula see original document page 7</formula> 其中《/對(/)與hist(i)分別表示更新后與更新前于第i個累計直方圖330區(qū)間
(bin)的統(tǒng)計量，f(i)則為目前圖像310的直方圖320，而a為學習率，其代表意義為目前 圖像310對于累計直方圖330的影響力。在此選用a =0. l，但不以此為限。如圖3所示， 在累計多張目前圖像310的直方圖320后，即可消除單張圖像直方圖320中可能的凌亂分 布，并強化出陰影分布的區(qū)間，而有助于提升后續(xù)陰影判斷上的準確度。
然后，估測累計直方圖上色彩差異的分布，獲得陰影分布函數(步驟S240)，其包 含計算累計直方圖上色彩差異的分布曲線的近似高斯曲線(Gaussian Function Curve)與 匹配函數，以便較好地描述此分布曲線的特性。例如針對累計直方圖中色彩差異的峰值區(qū) 域內的分布曲線，估測與其近似的高斯曲線，而以此高斯曲線的函數作為陰影分布函數。
圖4A示例陰影分布函數估測方式，圖4B則示例影響函數P 。請同時參照圖4A與 圖4B，本實施例包括通過強健估測法(Robust Estimation)來估測高斯曲線，藉以描述陰 影的分布。假設高斯曲線的平均值m落于累計直方圖的最大峰值的位置，而高度h為高斯 曲線區(qū)間m的統(tǒng)計量，則此高斯曲線可以下式表示 <formula>formula see original document page 7</formula>
如此一來，即可通過估測o來求得匹配函數，艮卩 <formula>formula see original document page 7</formula> 但此函數易受外圍粗差(Outlier)的影響，此處的粗差指的是非陰影的像素在直 方圖上的分布，故在此通過M-估測(M-estimation)來求出最適合的疔。此法通過影響函數 (Influence Function) P ，來給予(g(i， m， h， o)-hist(i))不同的權重，藉以減小外圍粗 差的影響力，因此上式(3)可轉化為最小化式<formula>formula see original document page 7</formula>
在本實施例中選用Tukey' s biweight function來作為影響函數P ，如公式所
p(X)
6
(1 —[1 —((x/c)2)]3) ^
6
x
(5) 通過估測高斯曲線，即可用來進行陰影檢測，根據統(tǒng)計學的意義，當像素的特征值 落于此高斯曲線的數倍標準差(o)內，即可判定為陰影，在此選用2.5倍標準差，但不以此 為限。 在此需強調的是，本發(fā)明的陰影檢測方法可分為訓練階段及應用階段兩部分，其 中訓練階段是為了建立較好的陰影分布函數，而應用階段即可使用此陰影分布函數進行陰 影檢測，以上步驟即屬于訓練階段。 舉例來說，圖5是根據本發(fā)明一實施例所繪示的陰影檢測的訓練階段的示意圖。 請同時參見圖2及圖5，本實施例包括將連續(xù)多張圖像520分別與背景圖像510相減，藉以 檢測出各張圖像520中的移動物體。 一旦檢測移動物體圖像之后，便可以經由統(tǒng)計方法以 獲得移動物體的色彩差異的直方圖530。 舉例來說，若像素的色彩差異的分布的范圍介于0 255之間，則可以統(tǒng)計移動物 體圖像各個像素的色彩差異，并依色彩差異的分布以橫軸為色彩差異值(即0 255)，縱軸 為像素個數繪制色彩差異的直方圖530。 之后，累計移動物體圖像的色彩差異的直方圖，獲得累計直方圖540。此累計直方 圖540是用來估計陰影在圖像中的總體趨勢。其中，通過計算累計直方圖540上色彩差異 的分布曲線541的近似高斯曲線，即可獲得陰影分布函數542。 承上述，一旦建立了陰影分布函數，便結束訓練階段，而進入應用階段。在應用階 段中，即可利用訓練階段中所獲得的陰影分布函數來判斷所接收圖像中的每一個像素是否 為陰影(步驟S250)。詳細地說，若接收圖像的像素值滿足于陰影分布函數時時，便可將 前述像素當作陰影；反之，當接收圖像的像素值不滿足于該函數時，則可將前述像素當作物 體。 通過上述訓練階段及應用階段的估測及判斷，即可針對個別不同的場景、不同的 環(huán)境光源估測出較佳的陰影分布函數，而成功地將陰影檢測出來。值得注意的是，上述實施 例尚未考慮彩色圖像的部分，而本發(fā)明的陰影檢測方法只需加入色彩空間轉換的部分即可 應用到彩色圖像上，以下則再舉一實施例詳細說明。 圖6示例本發(fā)明一實施例的陰影檢測方法的流程圖。請參照圖6，本實施例亦先檢 測連續(xù)多張圖像中的移動物體(步驟S610)，其例如是將這些圖像的每一個像素的亮度與 背景圖像每一個像素的亮度相減，便可擷取這些圖像中的移動物體。 接著，對圖像中的移動物體進行色彩空間的轉換(步驟S620)。與前述實施例不同 的是，本實施例導入色彩空間轉換，一般圖像的色彩空間包括黑白、灰階、紅綠藍(RGB)色 彩空間、亮度紅色藍色(YCrCb)色彩空間以及亮度色度色調(HSI)色彩空間等。本實施例 即是以HSI色彩空間為例來說明本發(fā)明陰影檢測方法的詳細流程，然本領域技術人員當可 視實際需要，將本發(fā)明應用至其它色彩空間上。 承上述，步驟S620即將圖像中移動物體的色彩空間由RGB轉換HSI 。其中，將移動物體轉換到HSI色彩空間的原因在于其具有較佳的物體性質可用以描述陰影的特性。 一般 而言，當背景圖像被陰影遮蔽時，其色調與色度的改變差異不大，但亮度的改變則會因為其 是半影或全影而有不同程度的衰減。RGB與HSI的色彩空間轉換如下列方程式所示

max
min
恵(R， G， B)， MIN(R， G， B)，
o,
i/" max = min
(60。
G — 5
x
max— mmw。
60 x-
+ 0°)mod360°
60'
+ 120°.
max— min x " +240°
max— mm
max = A
max = G
max = 5 ^ = <
0,
max — min
=1一
mm
max
max = 0
255，色度差異則由-1 1線
max I = max (6) 其中，色調差異由原本0。 360°線性轉換到O 性轉換到0 255，而亮度差異則忽略負值(因陰影的亮度不應強于原本的背景亮度)，其 直方圖范圍落于0 255。 在色彩空間轉換后，即可分別就亮度空間、色度空間及色調空間上這些圖像的色 彩差異，計算這些圖像中移動物體中關于亮度、色度和色調的色彩差異的直方圖，可分別獲 得亮度直方圖、色度直方圖及色調直方圖(步驟S630)。 然后再分別累計圖像的色彩差異的亮度直方圖、色度直方圖及空間直方圖，而獲 得累計亮度直方圖、累計色度直方圖及累計色調直方圖(步驟S640)。 最后則分別就累計亮度直方圖、累計色度直方圖及累計色調直方圖估測其上色 彩差異的分布，而獲得亮度陰影分布函數、色度陰影分布函數及色調陰影分布函數(步驟 S650)。 圖7是根據本發(fā)明一實施例所繪示的陰影檢測的訓練階段的示意圖。請同時參 見圖6和圖7，首先，本實施例是從圖像監(jiān)控系統(tǒng)加載時間序列上連續(xù)多張的原始訓練圖像 (步驟S702)，其包括先將這些圖像的每一個像素的亮度與背景圖像每一個像素的亮度相 減，以獲得這些圖像中移動物體的物體圖像(步驟S704)。 然而，物體圖像的邊緣可能因噪聲的影響而顯得較為支離破碎，因此可進行連接 對象標記法將物體圖像的邊緣平滑化(步驟S706)。詳細來說，此步驟即是將邊緣轉化為二 元圖像，并利用連接對象標記法來計算出二元圖像中有幾個對象，接著針對找到的對象以 最小矩形框來表示，此最小矩形框內相鄰二個對象的距離若不大于某一最小值，則其對應 的邊緣位置即視為是相連接的，如此一來便可修補物體圖像的邊緣。 然后，進行色彩空間轉換(步驟S708)。本實施例是將圖像中移動物體的色彩空間轉換為色調(H)空間、色度(S)空間、以及亮度(I)空間，并分別就亮度空間、色度空間及色 調空間上這些圖像的色彩差異，計算這些圖像中移動物體的色彩差異的直方圖，獲得亮度 直方圖、色度直方圖及色調直方圖(步驟S710-714)。 將上述移動物體圖像的亮度、色度及色調直方圖累計起來，即可獲得累計亮度、累 計色度及累計色調直方圖(步驟S716-720)，這些累計直方圖即是用來估計陰影在圖像中 的總體趨勢。而通過估測上述累計亮度、累計色度及累計色調直方圖中色彩差異的分布，即 可獲得色調、色度以及亮度陰影分布函數(步驟S722-726)。 最后，分別利用上述估測所得的色調、色度以及亮度陰影分布函數來判斷所接收 圖像中的像素是否為陰影(圖6步驟S660)。詳細地說，圖像中移動物體的色調、色度及亮 度必需分別符合色調、色度以及亮度陰影分布函數的范圍內，才可將其歸類為陰影，其判斷 方式例如是先判斷物體圖像中每一個像素的亮度值是否落于亮度陰影分布函數所定義的 亮度值范圍內。若像素的亮度值落于亮度值范圍內，則接著判斷此像素的色度值是否落于 色度陰影分布函數所定義的色度值范圍內。又若像素的色調值落于色度值范圍內，則再判 斷像素的色調值是否落于色度陰影分布函數所定義的色調值范圍內。最后，若像素的色調 值也落于色調值范圍內，則可判定此像素屬于移動物體的陰影(步驟S670)。相對地，若像 素的亮度值非落于亮度值范圍內、像素的色度值非落于色度值范圍內或像素的色調值非落 于色調值范圍內，則判定像素屬于移動物體的本體(步驟S680)。 圖8是根據本發(fā)明一實施例所繪示的陰影檢測的應用階段的示意圖。請同時參見 圖6和圖8，首先，加載原始應用圖像(步驟S810)，此圖像例如是一個小區(qū)監(jiān)控系統(tǒng)所擷取 的RGB色彩空間圖像。接著，將所接收圖像減去背景圖像，獲得移動物體的物體圖像(步驟 S820)。然后，將此物體圖像的色彩空間轉換為亮度空間、色度空間及色調空間，而獲得物體 圖像中每一個像素的亮度值、色度值及色調值(步驟S830)。 然后，判斷物體圖像中每一個像素的亮度值是否落于亮度陰影分布函數所定義的 亮度值范圍內(步驟S840)。若像素的亮度值落于亮度值范圍內(符合亮度陰影分布函 數)，則進一步判斷像素的色度值是否落于色度陰影分布函數所定義的色度值范圍內(步 驟S850)。若像素的色調值落于色度值范圍內(符合色度陰影分布函數)，則再判斷像素的 色調值是否落于色度陰影分布函數所定義的色調值范圍內(步驟S860)。最后，若像素的色 調值落于色調值范圍內(符合色調陰影分布函數)，則判定像素屬于移動物體的陰影(步驟 S870)。 當然，若物體圖像中的色調、色度以及亮度其中之一不符合相對應的陰影分布函
數，即若像素的亮度值非落于亮度值范圍內、像素的色度值非落于色度值范圍內或像素的
色調值非落于色調值范圍內，則判定像素屬于移動物體的本體(步驟S880)。 綜上所述，本發(fā)明的陰影檢測方法采用自動學習的方式，通過統(tǒng)計觀察樣本的色
彩差異的分布，自動估測陰影函數以找出陰影落于色彩空間的位置及區(qū)間，因此無需經由
人為的參數設定，即可正確地檢測出前景移動物體中的陰影部分，達到自動檢測陰影的目的。 雖然本發(fā)明已以較佳實施例揭露如上，然其并非用以限定本發(fā)明，任何本領域技 術人員，在不脫離本發(fā)明的精神和范圍內，當可作些許的更動與潤飾，因此本發(fā)明的保護范 圍當視所附的權利要求范圍所界定者為準。
權利要求
一種陰影檢測方法，包括下列步驟檢測連續(xù)多張圖像中的移動物體；計算各該些圖像中該移動物體的色彩差異的直方圖；累計該些圖像的該色彩差異的直方圖，獲得累計直方圖；估測該累計直方圖上該色彩差異的分布，獲得陰影分布函數；以及利用該陰影分布函數判斷所接收圖像中的每一像素是否為陰影。
2. 根據權利要求1所述的陰影檢測方法，其中檢測連續(xù)多張圖像中的該移動物體的步 驟包括擷取背景圖像；以及將各該些圖像減去該背景圖像，獲得各該些圖像中該移動物體的物體圖像。
3. 根據權利要求2所述的陰影檢測方法，其中將各該些圖像減去該背景圖像，獲得各 該些圖像中該移動物體的該物體圖像的步驟還包括將減去該背景圖像后的該些圖像中的多個連接對象標記。
4. 根據權利要求2所述的陰影檢測方法，其中計算各該些圖像中該移動物體的該色彩 差異的直方圖的步驟包括將各該些物體圖像減去該背景圖像中相同區(qū)域的圖像，獲得該移動物體與該背景圖像 間每一像素的該色彩差異；以及計算該移動物體中該些像素的該色彩差異的分布，獲得該移動物體的該色彩差異的直 方圖。
5. 根據權利要求4所述的陰影檢測方法，其中累計該些圖像的該色彩差異的直方圖， 獲得該累計直方圖的步驟包括將該些圖像的該色彩差異的直方圖中對應的該色彩差異相 加、相乘或取平均值以作為該累計直方圖。
6. 根據權利要求1所述的陰影檢測方法，其中估測該累計直方圖上該色彩差異的分 布，獲得該陰影分布函數的步驟包括針對該累計直方圖中該色彩差異的峰值區(qū)域內的分布曲線，估測與其近似的高斯曲 線，而以該高斯曲線的函數作為該陰影分布函數。
7. 根據權利要求6所述的陰影檢測方法，其中估測與其近似的該高斯曲線的步驟包括 利用強健估測法以進行估測。
8. 根據權利要求1所述的陰影檢測方法，其中利用該陰影分布函數判斷所接收圖像中 的每一像素是否為陰影的步驟包括將所接收圖像減去背景圖像，獲得該移動物體的物體圖像；判斷該物體圖像中的每一像素的像素值是否落于該陰影分布函數所定義的像素值范 圍內；若該像素的像素值落于該像素值范圍內，則判定該像素屬于該移動物體的陰影；以及 若該像素的像素值非落于該像素值范圍內，則判定該像素屬于該移動物體的本體。
9. 根據權利要求8所述的陰影檢測方法，其中該像素值范圍為該陰影分布函數的峰值 對應的像素值加減該陰影分布函數的標準差的倍數所包涵的像素值范圍。
10. 根據權利要求1所述的陰影檢測方法，其中在檢測連續(xù)多張圖像中的該移動物體 的步驟之后，還包括轉換該些圖像中該移動物體的色彩空間。
11. 根據權利要求io所述的陰影檢測方法，其中轉換該些圖像中該移動物體的該色彩空間的步驟包括轉換該些圖像中該移動物體的該色彩空間為亮度I空間、色度S空間及色調H空間。
12. 根據權利要求11所述的陰影檢測方法，其中計算各該些圖像中該移動物體的該色彩差異的直方圖的步驟包括分別就該亮度空間、該色度空間及該色調空間上該些圖像的該色彩差異，計算各該些 圖像中該移動物體的該色彩差異的直方圖，獲得亮度直方圖、色度直方圖及色調直方圖。
13. 根據權利要求12所述的陰影檢測方法，其中累計該些圖像的該色彩差異的直方圖，獲得該累計直方圖的步驟包括分別累計該些圖像的該色彩差異的該亮度直方圖、該色度直方圖及該空間直方圖，獲 得累計亮度直方圖、累計色度直方圖及累計色調直方圖。
14. 根據權利要求13所述的陰影檢測方法，其中估測該累計直方圖上該色彩差異的分布，獲得該陰影分布函數的步驟包括分別就該累計亮度直方圖、該累計色度直方圖及該累計色調直方圖估測其上該色彩差 異的分布，獲得亮度陰影分布函數、色度陰影分布函數及色調陰影分布函數。
15. 根據權利要求14所述的陰影檢測方法，其中利用該陰影分布函數判斷所接收圖像中的每一像素是否為陰影的步驟包括將所接收圖像減去背景圖像，獲得該移動物體的物體圖像；轉換該物體圖像的色彩空間為該亮度空間、該色度空間及該色調空間，獲得該物體圖像中每一像素的亮度值、色度值及色調值；判斷該物體圖像中每一像素的該亮度值是否落于該亮度陰影分布函數所定義的亮度 值范圍內；若該像素的該亮度值落于該亮度值范圍內，判斷該像素的該色度值是否落于該色度陰 影分布函數所定義的色度值范圍內；若該像素的該色調值落于該色度值范圍內，判斷該像素的該色調值是否落于該色度陰 影分布函數所定義的色調值范圍內；以及若該像素的該色調值落于該色調值范圍內，則判定該像素屬于該移動物體的陰影。
16. 根據權利要求15所述的陰影檢測方法，其中利用該陰影分布函數判斷所接收圖像 中的每一像素是否為陰影的步驟還包括若該像素的亮度值非落于該亮度值范圍內、該像素的色度值非落于該色度值范圍內或 該像素的色調值非落于該色調值范圍內，則判定該像素屬于該移動物體的本體。
17. 根據權利要求10所述的陰影檢測方法，其中轉換該些圖像中的該移動物體的該色 彩空間的步驟包括轉換該些圖像中的該移動物體的該色彩空間為亮度Y空間、藍色Cb空間及紅色Cr空間。
全文摘要
本發(fā)明提出一種物體圖像陰影檢測方法，其包括先檢測連續(xù)多張圖像中的移動物體，接著計算各個圖像中移動物體的色彩差異的直方圖，然后再累計這些圖像的色彩差異的直方圖，而獲得累計直方圖，以及估測累計直方圖上色彩差異的分布，而獲得陰影分布函數，最后則利用此陰影分布函數判斷所接收圖像中的每一個像素是否為陰影。
文檔編號G06T7/20GK101739678SQ20081017548
公開日2010年6月16日 申請日期2008年11月10日 優(yōu)先權日2008年11月10日
發(fā)明者吳瑞成, 黃鐘賢 申請人:財團法人工業(yè)技術研究院