專利名稱：基于顏色不變性和高斯模型的陰影檢測方法
技術領域：
本發(fā)明涉及的是一種計算機視覺技術領域的方法，具體是一種基于顏色不變 性和高斯模型的陰影檢測方法。
背景技術：
智能視頻監(jiān)控系統(tǒng)在交通監(jiān)控，酒店監(jiān)控等系統(tǒng)中都有應用。而在智能視頻 監(jiān)控系統(tǒng)中，運動物體的檢測與分割是應用視覺研究領域的一個重要課題。在視 頻處理系統(tǒng)中，從背景分割出來的前景，包含以下四種子區(qū)域?qū)嶋H的目標運動 物體、目標運動物體的可見陰影區(qū)域、目標運動物體的不可見陰影區(qū)域、噪聲區(qū) 域。目標運動物體的陰影區(qū)域的產(chǎn)生，是由于太陽的光線被目標運動物體阻擋。 運動目標的陰影因為和運動目標具有相同的運動特征，因此在運動目標的檢測中 無法消除。而陰影中的投影部分將改變檢測到的運動目標的形狀和大小，引起運 動目標的錯誤分類或動作識別，所以為了能夠正確的描述運動目標，就要對陰影 進行檢測和消除。而其他的一些噪聲，可能由于光線的亮度變化，目標運動物體 的鏡面反射等原因造成，也會影響目標運動物體的檢測。他們可能使得檢測出的 目標運動物體的幾何形狀變形，或者相鄰的目標運動物體被連接起來，判斷成一 個目標運動物體，造成誤檢。而視頻中的樹葉搖晃，系統(tǒng)噪聲等也可能造成誤檢。 因此在視頻監(jiān)控系統(tǒng)中，檢測和消除陰影以及噪聲，有著非常重要的作用，而陰 影的檢測與消除，是重點和難點。
目前，陰影的檢測方法主要分為基于模型或者基于特征兩種?；谀Ｐ偷姆?法利用場景、照明和目標的幾何特征構建模型，當目標的形狀、視角、光照方向 已知的時候，基于模型的方法可以得到精確的陰影信息，但是此類方法局限性大、 適用性較差。另一方面，基于特征的方法，利用陰影和背景的光譜特征進行陰影 檢測，此類方法也具有一定的局限性，比如當陰影的顏色比較深的時候，利用色 度不變性就無法檢測出陰影，而由于一些顏色的對應灰度值是相同的，致使單純
利用灰度值進行陰影檢測的方法失效。
經(jīng)對現(xiàn)有技術的文獻檢索發(fā)現(xiàn)，KunfengWang等在2007年IEEE智能運輸系 統(tǒng)會議(Intelligent Transportation Systems Conference)上發(fā)表的"Moving Object Refining in Traffic Monitoring Applications',(在交通監(jiān)控系統(tǒng)中 應用中提取運動目標)，該文中提出的基于統(tǒng)計分析特性的陰影處理方法，具體 方法為根據(jù)陰影的特性選取樣點，建立高斯模型，主要特性包括，比背景具有
較低的強度和較高的藍色比率等。其不足在于在建立高斯模型的時候，選取樣
點工作不夠細致，沒有考慮陰影的可見和不可見問題。在陰影的可見和不可見兩
種情況下，陰影的選取方法應當是不同的。

發(fā)明內(nèi)容
本發(fā)明針對上述現(xiàn)有技術的不足，提出了一種基于顏色不變性和高斯模型的 陰影檢測方法，采用劃分相似區(qū)域的方法，降低了誤檢率，也采用了利用顏色的 不變性與建立陰影的高斯模型相結(jié)合的方法，使得基于特征的陰影處理方法的正 確率提高。本發(fā)明中的陰影檢測方法，主要是指在視頻畫面提取的前景的基礎上， 將前景中的陰影像素點檢測出來，前景去除陰影像素點之后的圖像就是需要得到 的目標運動物體。
本發(fā)明是通過如下技術方案實現(xiàn)的，本發(fā)明包括如下步驟
步驟一，根據(jù)顏色的相近性對前景區(qū)域進行劃分，由于陰影的強度小于背景， 因此在區(qū)域的劃分中只對強度小于背景的前景進行劃分；
步驟二，根據(jù)陰影的光譜特性選取樣點，建立陰影的高斯模型，陰影的光譜 特性包括顏色不變性、比背景具有較低的強度和較高的藍色比率等，并利用陰 影的高斯模型判定像素點是否為陰影，當同一區(qū)域的像素點一半及以上的像素都 被判定為陰影時，該區(qū)域被判定為陰影區(qū)域；
步驟三，獲得陰影檢測的最初結(jié)果后，再根據(jù)陰影的空間特性識別陰影區(qū)域 的邊界點屬于陰影還是屬于噪聲，以降低誤檢率，提高檢測的準確度。
所述根據(jù)顏色的相近性對前景區(qū)域進行劃分，具體為釆用像素點的i GS的 關系的方法進行判斷，如果兩個像素點的i G5值的差與和的絕對值的比小于根據(jù) 實驗設定的閾值，則判斷兩個像素點屬于同一區(qū)域。
所述建立陰影的高斯模型，包括如下具體步驟
第一步，根據(jù)陰影與背景相比具有較低的強度的特性來選取樣點，當前景像 素點的i GS值和強度值小于該像素點在背景中的值時，該像素點選取為樣點；
第二步，根據(jù)陰影與背景相比具有較高的藍色的飽和度的特性來選取樣點， 當前景像素點的藍色飽和度高于該像素點在背景中的值時，該像素點選取為樣點；
第三步，根據(jù)利用陰影的顏色不變性的特性來選取樣點，由于可見陰影與不 可見陰影對于不同的顏色參數(shù)敏感性不同，首先根據(jù)陰影與背景相比的變化大小 識別陰影是屬于可見陰影還是不可見陰影，識別陰影的可見性后再選取顏色不變 性參數(shù)，當為不可見陰影時，選取C60為顏色不變性參數(shù)，為可見陰影時，則選 取歸一化的rg6為顏色不變性參數(shù)，并根據(jù)選取的顏色不變性參數(shù)選取滿足條件 Z|C,-CW| <《的樣點，式中C,根據(jù)顏色不變性參數(shù)的不同而進行設定，q,為 對應像素點在背景圖像中的值，《的值根據(jù)實驗數(shù)據(jù)設定；
第四步，將同時滿足第一步到第三步條件的樣點作為建立陰影高斯模型的樣 點，因陰影的光譜特性與運動目標無關，陰影像素點的i G5值成高斯模型分布， 通過比較陰影的樣點在i G萬色彩空間中每個顏色的顏色直方圖，建立陰影的高斯 模型。
所述利用陰影的高斯模型判定像素點是否為陰影，具體為將步驟一中劃分 的每一個區(qū)域的中的每一個像素點的值，利用陰影的高斯模型進行判定，如果滿
足|V-川《2o"，則判定該像素點為陰影，其中，V代表在及G5色彩空間中該像 素點的取值，//是指平均值， 一是指方差，在同一區(qū)域中，如果超過半數(shù)的像素 點判定為陰影，則該區(qū)域判定為陰影區(qū)域，它所包含的所有像素點都判定為陰影， 否則該區(qū)域判定為運動目標。
所述識別陰影為可見陰影還是不可見陰影，具體為在灰度空間中，不可見 陰影的灰度值與背景相比的變化要小于可見陰影的灰度值變化，根據(jù)此特性來判 斷陰影是可見陰影還是不可見陰影，具體如下首先將像素點的前景灰度值與背 景的灰度值相減，然后將差值與2個閾值進行比較，閾值的大小根據(jù)實驗數(shù)據(jù)分 析獲得，其中一個閾值大于另一個閾值，將圖像中差值大于較大的閾值的像素點 的總數(shù)與差值大于較小的閾值的像素點的總數(shù)相比，如果比值大于根據(jù)實驗設定 的閾值，則判定為可見陰影，否則為不可見陰影。
所述根據(jù)陰影的空間特性識別陰影區(qū)域的邊界點屬于陰影還是屬于噪聲，具 體為當與某一邊界點相鄰的點超過半數(shù)以上被判定為陰影時，將該邊界點也判 定為陰影，如果邊界點相鄰的像素點僅有少量被判定為陰影，則判斷該邊界點為 圖像的噪聲，不屬于陰影。由于在同一區(qū)域的像素點往往屬于同一個物體，而區(qū) 域的邊界及內(nèi)部也會屬于同一個物體，因此最后利用陰影的空間特性對圖像進行 后處理，完成對陰影的檢測工作。
與現(xiàn)有技術相比，本發(fā)明具有如下有益效果
1、 本發(fā)明采用了劃分相似區(qū)域的方法，降低了誤檢率，同時提高了檢測速率， 如果同一區(qū)域中已有半數(shù)以上的像素點都判定為陰影或都不判定為陰影，則無需 再判定該區(qū)域的其它像素點；
2、 本發(fā)明采用了利用顏色的不變性與建立陰影的高斯模型相結(jié)合的方法，使 得可見陰影和不可見陰影都可以準確的檢測出來，檢測效果比較理想。


圖1是本發(fā)明的實施例中對兩組視頻圖像進行陰影檢測的效果圖， 其中，(a) 、 (d)是原始視頻圖像，(b) 、 (e)是提取出的前景圖像， (c) 、 (f)陰影檢測的效果圖，檢測出的陰影部分用白色表示。
具體實施例方式
下面結(jié)合附圖對本發(fā)明的實施例作詳細說明本實施例在以本發(fā)明技術方案 為前提下進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護 范圍不限于下述的實施例。
本實施例包括如下步驟
步驟一，根據(jù)顏色的相近性對前景區(qū)域進行劃分，如果兩個像素點的i G6值 的差與和的絕對值的比小于一定的閾值，則判斷兩個像素點屬于同一區(qū)域，具體
如下
<formula>formula see original document page 7</formula>其中，a、 ^表示圖像中相鄰的兩個像素點，C。 q表示兩個象素點的RGB
值，；r表示兩個像素點是否屬于同一區(qū)域，J^j的值表示兩個像素點顏色的相
近性，當A,A屬于同一區(qū)域時，它們的顏色信息會非常接近，]^[的值會近
似于0，但閾值的選取不能過小，以避免噪聲對圖像的影響，因此閾值r選取為 0. 05 0. 1之間的值。
由于陰影的強度比背景的強度要小，因此僅對前景中強度小于背景的部分進 行劃分。<formula>formula see original document page 8</formula> (2)
其中，/w(x,力，/ (X，力分別表示像素點(JC,力的前景和背景的強度。
步驟二，根據(jù)陰影的光譜特性選取樣點，建立陰影的高斯模型，包括如下具 體步驟
第一步，根據(jù)陰影與背景相比具有較低的強度選取樣點，則所選擇的陰影樣
點滿足如下條件<formula>formula see original document page 8</formula> (3)
其中，&、 G,、 B,和I,分別表示前景像素點的i GB值和強度值，A、 ^、
S6和^分別表示背景的及GS值和強度值，"是根據(jù)實驗情況選取的常數(shù)值。
第二步，根據(jù)陰影與背景相比具有較高的藍色的飽和度選取樣點，則所選的 陰影樣點的值滿足如下條件<formula>formula see original document page 8</formula>(4)
第三步，根據(jù)利用陰影的顏色不變性選取樣點，rc6o色彩空間中的c6o分 量對不可見陰影具有顏色不變性，而歸一化的rg6色彩空間對可見陰影具有顏色不 變性，因此根據(jù)陰影的特性自適應的選取的顏色不變性參數(shù)，選取方法具體為
在灰度空間中，不可見陰影的灰度值與背景相比的變化要小于可見陰影的灰
度值變化，判斷方法如下
<formula>formula see original document page 8</formula>
(5)
<formula>formula see original document page 9</formula>其他情況
<formula>formula see original document page 9</formula>(6)
<formula>formula see original document page 9</formula>(7)
其中，I(x，y)、 B(x,y)分別表示像素點(x,y)的前景和背景的灰度，T7f,和77^為 根據(jù)實驗得出的閾值，77/,<r//v， /為前景像素點的灰度值，5為背景點的灰度 值。對于可見陰影，D,和化的值均為1，而對于不可見陰影，D,的值為l，馬的 值為0。 c的值根據(jù)實驗數(shù)據(jù)分析，取0.95比較適合。當f^0.95時，判定為不可 見陰影，選取O，Cr為顏色不變性參數(shù)；當s^0.95時，判定為可見陰影，選取歸 一化的rg6為顏色不變性參數(shù)。
參數(shù)選定后，根據(jù)公式(11)進行判斷，陰影的樣點要滿足公式(13):
<formula>formula see original document page 9</formula>其中，i (x,力，G(x,力，5(x,力為i G5色彩空間中(x，力像素點的i (^值， ，C&(x,力為yC6CV色彩空間中(x,力像素點的O)O值。當選用C6CV為 顏色不變參數(shù)時，C,分別取Q^和C。兩個值，在式(13)中累加；當選用/"g6為 顏色不變參數(shù)時，C,分別取C一 Cg和C;三個值，在式(13)中累加，Q,為對應
像素點在背景圖像中的值，《的值根據(jù)實驗數(shù)據(jù)分析獲得。
第四步，分析陰影樣點在i GS色彩空間中的顏色直方圖特性，建立陰影的高 斯模型，將顏色直方圖中出現(xiàn)頻率最高的值作為高斯模型中的平均值//,并根據(jù) 樣點數(shù)量、陰影分散值，計算高斯模型的方差cr2，計算公式如下 <formula>formula see original document page 10</formula> (14)
其中，s(v)是值為v的樣點數(shù)量，//為平均值，j為陰影分散值，"的值根據(jù)
實驗數(shù)據(jù)分析獲得，v代表在i GB色彩空間中該像素點的取值。
第五步，利用陰影的高斯模型判定像素點是否為陰影，具體如下判斷的像
素點是否滿足條件<formula>formula see original document page 10</formula>其中，v代表在i G5色彩空間中該像素點的取
值，u是指平均值，^是指方差，如果滿足條件，則判定該像素點為陰影，在同
一區(qū)域中，如果超過半數(shù)的像素點判定為陰影，則該區(qū)域判定為陰影區(qū)域，它所
包含的所有像素點都判定為陰影，否則該區(qū)域判定為運動目標。
步驟三，對檢測出的陰影區(qū)域進行后處理，即識別一些邊界點屬于陰影還是
屬于噪聲，當與某一邊界點相鄰的點超過半數(shù)以上被判定為陰影時，將該邊界點
也判定為陰影，如果邊界點相鄰的像素點僅有少量被判定為陰影，則判斷該邊界
點為圖像的噪聲，經(jīng)過對結(jié)果的后處理后，得到陰影檢測的最終結(jié)果。
如圖1所示，圖(b) 、 (e)是提取出的前景圖像，陰影的檢測是在前景圖像 的基礎上進行的，圖(c)、 (f)為圖(a)、 (b)陰影檢測的最終結(jié)果，白色部分表示 檢測出的陰影部分，根據(jù)檢測結(jié)果圖可以看出，本實施例方法能夠準確的檢測出 目標運動物體的陰影，并保留目標運動物體的完整圖像。
權利要求
1、一種基于顏色不變性和高斯模型的陰影檢測方法，其特征在于，包括如下步驟步驟一，根據(jù)顏色的相近性對強度小于背景的前景區(qū)域進行劃分；步驟二，根據(jù)陰影的光譜特性選取樣點，建立陰影的高斯模型，陰影的光譜特性包括顏色不變性、比背景具有較低的強度和較高的藍色比率，并利用陰影的高斯模型判定像素點是否為陰影，當同一區(qū)域的像素點一半及以上的像素都被判定為陰影時，該區(qū)域被判定為陰影區(qū)域；步驟三，獲得陰影檢測的最初結(jié)果后，再根據(jù)陰影的空間特性識別陰影區(qū)域的邊界點屬于陰影還是屬于噪聲。
2、 根據(jù)權利要求1所述的基于顏色不變性和高斯模型的陰影檢測方法，其特 征是，所述根據(jù)顏色的相近性對前景區(qū)域進行劃分，具體為采用像素點的i GS 的關系的方法進行判斷，如果兩個像素點的i C^值的差與和的絕對值的比小于根 據(jù)實驗設定的閾值，則判斷兩個像素點屬于同一區(qū)域。
3、 根據(jù)權利要求l所述的基于顏色不變性和高斯模型的陰影檢測方法，其特 征是，所述的建立陰影的高斯模型，包括如下具體步驟第一步，根據(jù)陰影與背景相比具有較低的強度的特性來選取樣點，當前景像 素點的/ G萬值和強度值小于該像素點在背景中的值時，該像素點選取為樣點；第二步，根據(jù)陰影與背景相比具有較高的藍色的飽和度的特性來選取樣點， 當前景像素點的藍色飽和度高于該像素點在背景中的值時，該像素點選取為樣點；第三步，根據(jù)利用陰影的顏色不變性的特性來選取樣點，根據(jù)陰影與背景相 比的變化大小識別陰影是屬于可見陰影還是不可見陰影，識別陰影的可見性后再 選取顏色不變性參數(shù)，當為不可見陰影時，選取O)O為顏色不變性參數(shù)，為可見 陰影時，則選取歸一化的rg6為顏色不變性參數(shù)，并根據(jù)選取的顏色不變性參數(shù)選 取滿足條件Zlc,-c;,i <《的樣點，式中C,根據(jù)顏色不變性參數(shù)的不同而進行 設定，c;,為對應像素點在背景圖像中的值，《的值根據(jù)實驗數(shù)據(jù)設定；第四步，將同時滿足第一歩到第三歩條件的樣點作為建立陰影高斯模型的樣點，陰影像素點的i G5值成高斯模型分布，通過比較陰影的樣點在i GS色彩空間 中每個顏色的顏色直方圖，建立陰影的高斯模型。
4、 根據(jù)權利要求3所述的基于顏色不變性和高斯模型的陰影檢測方法，其特 征是，所述識別陰影為可見陰影還是不可見陰影，具體為在灰度空間中，不可 見陰影的灰度值與背景相比的變化要小于可見陰影的灰度值變化，根據(jù)此特性來 判斷陰影是可見陰影還是不可見陰影首先將像素點的前景灰度值與背景的灰度 值相減，然后將差值與2個閾值進行比較，閾值的大小根據(jù)實驗數(shù)據(jù)分析獲得， 其中一個閾值大于另一個閾值，將圖像中差值大于較大的閾值的像素點的總數(shù)與 差值大于較小的閾值的像素點的總數(shù)相比，如果比值大于根據(jù)實驗設定的閾值， 則判定為可見陰影，否則為不可見陰影。
5、 根據(jù)權利要求l所述的基于顏色不變性和高斯模型的陰影檢測方法，其特 征是，所述利用陰影的高斯模型判定像素點是否為陰影，具體為將步驟一中劃 分的每一個區(qū)域的中的每一個像素點的值，利用陰影的高斯模型進行判定，如果 滿足|V-//|《2CT，則判定該像素點為陰影，其中，V代表在i C^色彩空間中該像素點的取值，//是指平均值， 一是指方差，在同一區(qū)域中，如果超過半數(shù)的像 素點判定為陰影，則該區(qū)域判定為陰影區(qū)域，它所包含的所有像素點都判定為陰 影，否則該區(qū)域判定為運動目標。
6、 根據(jù)權利要求l所述的基于顏色不變性和高斯模型的陰影檢測方法，其特征是，所述根據(jù)陰影的空間特性識別陰影區(qū)域的邊界點屬于陰影還是屬于噪聲，具體為當與某一邊界點相鄰的點超過半數(shù)以上被判定為陰影時，將該邊界點也 判定為陰影，如果邊界點相鄰的像素點僅有少量被判定為陰影，則判斷該邊界點 為圖像的噪聲，不屬于陰影。
全文摘要
一種計算機視覺領域的基于顏色不變性和高斯模型的陰影檢測方法，包括如下步驟步驟一，根據(jù)顏色的相近性對前景區(qū)域進行劃分，由于陰影的強度小于背景，因此在區(qū)域的劃分中只對強度小于背景的前景進行劃分；步驟二，根據(jù)陰影的光譜特性選取樣點，建立陰影高斯模型，陰影光譜特性包括顏色不變性、比背景具有較低的強度和較高的藍色比率，并利用陰影的高斯模型判定像素點是否為陰影，當同一區(qū)域的像素點一半及以上的像素都被判定為陰影時，該區(qū)域被判定為陰影區(qū)域；步驟三，獲得陰影檢測的最初結(jié)果后，再根據(jù)陰影的空間特性識別陰影區(qū)域的邊界點屬于陰影還是屬于噪聲。本發(fā)明降低了誤檢率，提高了檢測速率，并可以檢測出可見陰影和不可見陰影。
文檔編號G06T7/00GK101364304SQ20081020043
公開日2009年2月11日 申請日期2008年9月25日 優(yōu)先權日2008年9月25日
發(fā)明者曾貴華, 穎 苑 申請人:上海交通大學