專利名稱：視頻圖像的順逆光判斷和拍攝時(shí)間檢測(cè)方法
視頻圖像的順逆光判斷和拍攝時(shí)間檢測(cè)方法技術(shù)領(lǐng)域
本發(fā)明屬于圖像處理領(lǐng)域，涉及一種基于圖像處理技術(shù)的視頻圖像序列自然時(shí)間檢測(cè)和順逆光判斷的方法。
背景技術(shù)：
隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，以及計(jì)算機(jī)視覺技術(shù)在航空、國(guó)防、安全監(jiān)控、娛樂等領(lǐng)域應(yīng)用的增加，計(jì)算機(jī)視覺系統(tǒng)得到了廣泛的應(yīng)用。在現(xiàn)有圖像處理技術(shù)中，圖像的順逆光檢測(cè)和時(shí)間判斷的技術(shù)對(duì)圖像中物體識(shí)別、視頻中物體跟蹤和場(chǎng)景重建起著極其重要的作用。古人觀天象預(yù)測(cè)光照、時(shí)間、天氣，這種憑借著自身感覺對(duì)氣象的推斷具有主觀性， 并且極易造成推斷結(jié)果的錯(cuò)誤；現(xiàn)代人通過鐘表和各種氣象測(cè)量?jī)x器查詢時(shí)間、天氣變化， 而這種現(xiàn)代的測(cè)量技術(shù)，對(duì)設(shè)備和測(cè)量人員的依賴度較高，不能通過簡(jiǎn)單的觀察確定現(xiàn)有的情況，不適合日常的普遍使用。
現(xiàn)有的判斷順逆光檢測(cè)技術(shù)一些是依靠人眼對(duì)順逆光的主觀判斷，然后設(shè)定拍照裝置的拍攝模式。這種技術(shù)需要機(jī)器和拍攝者協(xié)作，不能實(shí)現(xiàn)自動(dòng)化設(shè)置，給視頻采集用戶的操作帶來了不便。并且由于操作者的差異性，對(duì)順逆光判斷的標(biāo)準(zhǔn)很難達(dá)到統(tǒng)一，給后期的圖像和視頻處理帶來了困難。
還有一種是基于窗口圖像的平均亮度值并比較邊緣和中心亮度值的方法，通過選用固定的閾值進(jìn)行順逆光狀態(tài)判斷的技術(shù)。這種技術(shù)采用了固定的閾值，算法比較簡(jiǎn)單，為大多數(shù)研究人員所關(guān)注。但是這種技術(shù)會(huì)帶來順逆光狀態(tài)檢測(cè)不準(zhǔn)確和檢測(cè)結(jié)果不穩(wěn)定的現(xiàn)象。即當(dāng)檢測(cè)主體位于不同的多個(gè)子窗口時(shí)，采用固定的閾值不能檢測(cè)出正確的順逆光狀態(tài)；另外當(dāng)檢測(cè)主體運(yùn)動(dòng)時(shí)，也使得預(yù)測(cè)結(jié)果處于頻繁變化狀態(tài)，不利于主體順逆光狀態(tài)的確定。在這種技術(shù)的基礎(chǔ)上，一些研究人員提出了使用動(dòng)態(tài)閾值區(qū)分順逆光狀態(tài)的方法。這種方法的復(fù)雜度高于固定閾值的方法，但是穩(wěn)定性和準(zhǔn)確性也得到了改善。但是無論固定閾值的方法還是動(dòng)態(tài)閾值的方法均需要對(duì)窗口圖像的亮度值進(jìn)行統(tǒng)計(jì)計(jì)算，需要遍歷圖像，這樣在時(shí)間上的耗費(fèi)較長(zhǎng)，達(dá)不到實(shí)時(shí)檢測(cè)順逆光狀態(tài)的要求，不能應(yīng)用到實(shí)際系統(tǒng)中。
在對(duì)陰影圖像的檢測(cè)技術(shù)中，通常是檢測(cè)陰影圖像并消除陰影的方法，即將陰影圖像看作是圖像分割和前景提取的噪聲圖像處理，并沒有將陰影圖像作為圖像處理的有效信息進(jìn)行利用。利用陰影圖像進(jìn)行自然時(shí)間的判斷幾乎沒有研究人員涉獵。
因此，需要一種基于圖像的陰影信息，實(shí)現(xiàn)圖像的拍攝時(shí)間段預(yù)測(cè)和順逆光檢測(cè)的方法。發(fā)明內(nèi)容
本發(fā)明采用視頻圖像序列的陰影檢測(cè)和提取技術(shù)，通過提取并計(jì)算目標(biāo)本身的特征和長(zhǎng)度、陰影的特征和長(zhǎng)度、及目標(biāo)本身與陰影的關(guān)系，采用陰影的特征信息判斷順逆光狀態(tài)，采用陰影的長(zhǎng)度信息進(jìn)行時(shí)間段的檢測(cè)，達(dá)到了穩(wěn)定、準(zhǔn)確、計(jì)算復(fù)雜度低的效果，在計(jì)算復(fù)雜度和效率上具有優(yōu)勢(shì)，并且在成像設(shè)備的參數(shù)設(shè)定和視頻監(jiān)控的圖像分析領(lǐng)域具有實(shí)際應(yīng)用意義。
本發(fā)明提供一種視頻圖像的順逆光判斷方法，該方法包括以下步驟
從視頻圖像幀序列中獲取一幀原始視頻圖像；
對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)以確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域；
分別獲取物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征；
根據(jù)物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征判斷該幀原始視頻圖像的順逆光狀態(tài)。
優(yōu)選地，在所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域的步驟之前包括，對(duì)該幀原始視頻圖像進(jìn)行預(yù)處理。
優(yōu)選地，所述對(duì)獲取的該幀原始視頻圖像進(jìn)行預(yù)處理包括，將該幀圖像轉(zhuǎn)換為灰度圖像，對(duì)整幀圖像濾除噪聲，利用高斯濾波進(jìn)行圖像分塊增強(qiáng)和利用灰度直方圖進(jìn)行對(duì)比度調(diào)整中的一種或多種。
優(yōu)選地，所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域包括
利用邊緣提取方法提取圖像邊緣；
利用輪廓跟蹤方法得到物體所在的目標(biāo)區(qū)域和陰影區(qū)域。
優(yōu)選地，所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域包括
將圖像分塊，
求取分塊得到的各圖像塊灰度的方差并分別設(shè)定各圖像塊的灰度閾值，
利用灰度閾值分割得到物體所在的目標(biāo)區(qū)域和陰影區(qū)域。
優(yōu)選地，所述分別獲取物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征包括，分別獲取物體所在的目標(biāo)區(qū)域的周長(zhǎng)和面積、物體所在的陰影區(qū)域的周長(zhǎng)和面積、物體所在的目標(biāo)區(qū)域的慣性主軸的位置和物體所在的陰影區(qū)域慣性主軸的位置。
優(yōu)選地，在判斷該幀視頻圖像的順逆光狀態(tài)之前包括，利用物體所在的目標(biāo)區(qū)域的周長(zhǎng)和面積與物體所在的陰影區(qū)域的周長(zhǎng)和面積之間的關(guān)系確定該幀視頻圖像是否能用于判斷順逆光狀態(tài)。
優(yōu)選地，當(dāng)物體所在的目標(biāo)區(qū)域的慣性主軸與物體所在的陰影區(qū)域的慣性主軸之間的夾角小于等于預(yù)設(shè)閾值時(shí)，該幀視頻圖像為順光狀態(tài)；否則該幀視頻圖像為逆光狀態(tài)。
本發(fā)明提供一種視頻圖像的拍攝時(shí)間檢測(cè)方法，包括
從視頻圖像序列中獲取一幀原始視頻圖像；
對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)以確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域；
分別獲取物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征；
根據(jù)物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征檢測(cè)該幀原始視頻圖像的拍攝時(shí)間。
優(yōu)選地，在所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域的步驟之前包括，對(duì)該幀原始視頻圖像進(jìn)行預(yù)處理。
優(yōu)選地，所述對(duì)該幀原始視頻圖像進(jìn)行預(yù)處理包括，將該幀原始視頻圖像轉(zhuǎn)換為灰度圖像，對(duì)整幀圖像濾除噪聲，利用高斯濾波進(jìn)行圖像分塊增強(qiáng)和利用灰度直方圖進(jìn)行對(duì)比度調(diào)整中的一種或多種。
優(yōu)選地，所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域包括
利用邊緣提取方法提取圖像邊緣；
利用輪廓跟蹤方法，得到物體所在的目標(biāo)區(qū)域和陰影區(qū)域。
優(yōu)選地，所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域包括
將圖像分塊，
求取分塊得到的各圖像塊灰度的方差并分別設(shè)定各圖像塊的灰度閾值，
利用灰度閾值分割得到物體所在的目標(biāo)區(qū)域和陰影區(qū)域。
優(yōu)選地，所述分別獲取物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征包括，分別獲取物體所在的目標(biāo)區(qū)域的周長(zhǎng)和面積，物體所在的陰影區(qū)域的周長(zhǎng)和面積，物體所在的目標(biāo)區(qū)域沿其慣性主軸方向的長(zhǎng)度和物體所在的陰影區(qū)域沿其慣性主軸方向的長(zhǎng)度。
優(yōu)選地，如果該幀視頻圖像陰影區(qū)域沿其慣性主軸方向的長(zhǎng)度小于該幀視頻圖像的前一幀圖像陰影區(qū)域沿其慣性主軸方向的長(zhǎng)度，則該幀視頻圖像的拍攝時(shí)間為上午；否則該幀視頻圖像的拍攝時(shí)間為下午。
優(yōu)選地，利用陰影區(qū)域沿其慣性主軸方向的長(zhǎng)度與物體所在的目標(biāo)區(qū)域沿其慣性主軸方向的長(zhǎng)度的比例關(guān)系，確定該視頻圖像的拍攝時(shí)間。
優(yōu)選地，
當(dāng)拍攝時(shí)間段為上午時(shí)，拍攝時(shí)間點(diǎn)t通過下面公式計(jì)算
t = a+(l-Ra/Ramax_a) X (12-a)公式 1
當(dāng)拍攝時(shí)間段為下午時(shí)，拍攝時(shí)間點(diǎn)t通過下面公式計(jì)算
t = 12+(Ra/Ramax_b) X (b_12)公式 2
其中
Ra = L2A1, L1 Φ 0，Ll為物體所在的目標(biāo)區(qū)域長(zhǎng)度，L2為陰影區(qū)域長(zhǎng)度；
a為日出時(shí)間；
b為日落時(shí)間；
Ramax-a為預(yù)置日出時(shí)間點(diǎn)的Ra，
Ramax-b 為日落時(shí)間點(diǎn)的 Ra，Ramax_b = Ramax_a* (b_12) / (12-a)。
本發(fā)明進(jìn)一步提供一種調(diào)節(jié)攝像機(jī)拍攝參數(shù)的方法，包括基于如上所述的視頻圖像的順逆光判斷方法獲得的連續(xù)多幀視頻圖像的順逆光狀態(tài)，通過比較該連續(xù)多幀視頻圖像的順逆光狀態(tài)調(diào)節(jié)攝像機(jī)的拍攝參數(shù)。
本發(fā)明進(jìn)一步提供一種調(diào)節(jié)攝像機(jī)拍攝參數(shù)的方法，包括基于如上的視頻圖像的拍攝時(shí)間檢測(cè)方法獲得的連續(xù)多幀視頻圖像的拍攝時(shí)間，通過比較該連續(xù)多幀視頻圖像的拍攝時(shí)間調(diào)節(jié)攝像機(jī)的拍攝參數(shù)。
本發(fā)明基于視頻圖像的時(shí)間段檢測(cè)和順逆光判斷與現(xiàn)有技術(shù)相比較的優(yōu)點(diǎn)在于
1、利用圖像中的陰影圖像信息，自動(dòng)進(jìn)行順逆光狀態(tài)判斷和時(shí)間段檢測(cè)的估計(jì)。 將圖像的陰影信息作為有效的特征利用，而不需要人工判斷順逆光狀態(tài)，也不是簡(jiǎn)單的去除陰影，能夠滿足多種場(chǎng)景的應(yīng)用。
2、利用陰影圖像的特征信息，進(jìn)行順逆光狀態(tài)的確定。從整體上把握了圖像的陰影信息，優(yōu)化了利用圖像像素亮度統(tǒng)計(jì)的復(fù)雜度和不穩(wěn)定性的缺點(diǎn)，提高了判斷的準(zhǔn)確性。
3、首次利用陰影圖像的長(zhǎng)度信息，進(jìn)行時(shí)間段檢測(cè)的估計(jì)。增強(qiáng)了抵抗依靠相機(jī)的系統(tǒng)狀態(tài)和不同地域差異性的魯棒性，適應(yīng)不同場(chǎng)景的要求。
4、利用陰影圖像進(jìn)行拍照時(shí)間段檢測(cè)和順逆光判斷，降低了判斷圖像順逆光的計(jì)算的復(fù)雜度，適用于實(shí)時(shí)檢測(cè)系統(tǒng)。


圖1為本發(fā)明基于視頻圖像的順逆光判斷流程圖2為本發(fā)明基于視頻圖像的拍攝時(shí)間檢測(cè)的流程圖3(a)為本發(fā)明實(shí)例1的基于視頻圖像的時(shí)間段檢測(cè)和順逆光判斷逆光原始圖像；
圖3(b)為圖3(a)所示圖像的逆光灰度圖像；
圖3(c)為圖3(a)所示圖像的逆光灰度圖像直方圖3(d)為圖3(a)所示圖像的逆光預(yù)處理圖像；
圖3(e)為圖3(a)所示圖像的逆光圖像目標(biāo)區(qū)域與陰影區(qū)域分割圖像；
圖3(f)為圖3(a)所示圖像的逆光圖像目標(biāo)區(qū)域與陰影區(qū)域長(zhǎng)度示意圖3(g)為圖3(a)所示圖像的逆光圖像目標(biāo)區(qū)域與陰影區(qū)域夾角示意圖4(a)為本發(fā)明實(shí)例2的基于視頻圖像的時(shí)間段檢測(cè)和順逆光判斷順光原始圖像；
圖4(b)為圖4(a)所示圖像的順光圖像目標(biāo)與陰影分割圖像；
圖4(c)為圖4(a)所示圖像的順光圖像目標(biāo)與陰影圖像夾角示意圖4(d)為圖4(a)所示圖像的順光圖像目標(biāo)與陰影圖像長(zhǎng)度示意圖；具體實(shí)施方式
下面參照附圖對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)說明，在描述過程中省略了對(duì)于本發(fā)明來說是不必要的細(xì)節(jié)和功能，以防止對(duì)本發(fā)明的理解造成混淆。
下面參考圖1和圖3(a)_3(g)描述根據(jù)本發(fā)明的判斷順逆光的方法。
首先，從視頻圖像幀序列中獲取一幀原始視頻圖像。
從彩色視頻序列中讀取視頻數(shù)據(jù)，并進(jìn)一步讀取第一幀視頻圖像如圖3(a)的灰度值I (x，y)，該視頻圖像寬為W個(gè)像素，高為H個(gè)像素，(x,y)為該視頻圖像上圖像像素點(diǎn)的坐標(biāo)，0 <= χ <= ff-1,0 <= y <= H-1，其中H、W為正整數(shù)，I (x, y)為0 255之間數(shù)值。如圖3(a)所示，場(chǎng)景中的目標(biāo)有明顯的陰影，需要對(duì)圖像進(jìn)行處理得到目標(biāo)和陰影。
優(yōu)選地，對(duì)該幀原始視頻圖像進(jìn)行預(yù)處理。
對(duì)視頻數(shù)據(jù)進(jìn)行預(yù)處理包括對(duì)利用中值濾波消除整幅圖像的圖像噪聲，利用高斯濾波消除圖像噪聲，利用高斯濾波進(jìn)行圖像分塊增強(qiáng)，和利用灰度直方圖調(diào)整圖像的對(duì)比度中的一種或多種。
例如，可以利用已經(jīng)讀取的灰度圖像如圖3(b)所示，對(duì)圖像進(jìn)行例如中值濾波的處理，中值濾波采用例如3*3鄰域，以消除圖像中的噪聲區(qū)域。進(jìn)一步，依據(jù)圖像的灰度直方圖統(tǒng)計(jì)信息，如圖3(c)所示，對(duì)灰度值在閾值(τ” τ2)之間的圖像進(jìn)行增強(qiáng)，處理后的圖象如圖3(d)。
隨后，對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)以確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域。
將圖像進(jìn)行邊緣提取，例如，對(duì)圖像做Gauss-Lapplace變換，得到物體目標(biāo)和陰影的邊緣。利用諸如輪廓跟蹤方法和/或灰度方差閾值方法的分割方法對(duì)得到的邊緣進(jìn)行處理，得到物體目標(biāo)區(qū)域及陰影區(qū)域，如圖3 (e)所示，其中區(qū)域的輪廓線301標(biāo)示物體所在的目標(biāo)區(qū)域，輪廓線302標(biāo)示陰影區(qū)域，線段303表示目標(biāo)區(qū)域與陰影區(qū)域的分割線。
隨后，分別獲取物體所在的目標(biāo)區(qū)域及陰影區(qū)域的特征。
在根據(jù)本發(fā)明的實(shí)施例中，區(qū)域的特征包括區(qū)域的周長(zhǎng)，區(qū)域的面積和區(qū)域的慣性主軸。區(qū)域周長(zhǎng)C的計(jì)算方法為該區(qū)域邊界線的像素個(gè)數(shù)總和，區(qū)域面積S為該區(qū)域內(nèi)的像素個(gè)數(shù)的總和，由此得到物體所在的目標(biāo)區(qū)域的周長(zhǎng)Cl和面積Si，以及陰影區(qū)域的周長(zhǎng)C2和面積S2。在對(duì)區(qū)域進(jìn)行特征計(jì)算的過程中需要判斷圖像中的點(diǎn)是否在外輪廓線301 及線段303構(gòu)成的物體目標(biāo)區(qū)域內(nèi)或者在輪廓線302及線段303構(gòu)成的陰影區(qū)域內(nèi)。例如區(qū)域內(nèi)輪廓邊界點(diǎn)為 P1U, y)，P2(X，y)，P3(X，y)，P4(X，y)，P5(X，y)，P6(X，y)，判斷像素點(diǎn) (x，y)是否在以上六點(diǎn)封閉的區(qū)域內(nèi)，就是從該點(diǎn)出發(fā)引一條射線，判斷這條射線和封閉區(qū)域邊界相交的交點(diǎn)數(shù)目如果有奇數(shù)個(gè)交點(diǎn)，則說明該點(diǎn)在該區(qū)域的內(nèi)部，如果有偶數(shù)個(gè)交點(diǎn)，則說明該點(diǎn)在該區(qū)域的外部。由物體所在的目標(biāo)區(qū)域輪廓和陰影區(qū)域輪廓可以得到目標(biāo)區(qū)域慣性主軸和陰影區(qū)域慣性主軸的位置，在圖3(f)中分別以慣性主軸與χ方向的夾角 θ 1和θ 2標(biāo)注慣性主軸的位置，為計(jì)算該圖像的時(shí)間段和判斷順逆光做準(zhǔn)備。
如圖3(f)所示，由得到的物體所在的目標(biāo)區(qū)域和陰影區(qū)域的慣性主軸與水平χ方向的夾角分別為Θ1和θ 2，沿著夾角Θ1、θ 2的方向分別得到物體所在的目標(biāo)區(qū)域輪廓和陰影區(qū)域輪廓沿慣性主軸方向的最大長(zhǎng)度為L(zhǎng)l和L2，下文分別稱為物體所在的目標(biāo)區(qū)域沿其慣性主軸方向的長(zhǎng)度和陰影區(qū)域沿其慣性主軸方向的長(zhǎng)度。
隨后，根據(jù)物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征判斷該幀原始視頻圖像的順逆光狀態(tài)。
計(jì)算得到的區(qū)域特征有周長(zhǎng)Cl和C2、面積Sl和S2、慣性主軸方向θ 1和θ 2，如 ^f(C15C2) e th。并且g(S1;S2) e ths，則認(rèn)為物體目標(biāo)周圍環(huán)境對(duì)該物體目標(biāo)的陰影沒有影響，該圖像可用于逆光狀態(tài)或者順光狀態(tài)的判斷，其中f和g為數(shù)學(xué)運(yùn)算關(guān)系，例如f表示Cl，C2之間約束的關(guān)系，表示限制周長(zhǎng)間差異范圍處于一定的數(shù)值區(qū)間，g表示Sl和S2 間的約束關(guān)系，表示限制面積間差異范圍處于一定的數(shù)值區(qū)間。求出物體所在的目標(biāo)區(qū)域的慣性主軸和陰影區(qū)域的慣性主軸之間的夾角Θ。當(dāng)θ <=th0則圖像屬于順光狀態(tài)，當(dāng) θ >th0則圖像屬于逆光狀態(tài)。上述內(nèi)容中the，ths和the分別為用于判斷順逆光狀態(tài)的周長(zhǎng)閾值，面積閾值和角度閾值，例如the范圍為0 180度。如圖3(g)所示為圖像拍攝狀態(tài)為逆光狀態(tài)。
下面參考圖2和圖3(a)_3(f)描述根據(jù)本發(fā)明的檢測(cè)圖像拍攝時(shí)間段的方法。
首先，從視頻圖像幀序列中獲取一幀原始視頻圖像。
從彩色視頻序列中讀取視頻數(shù)據(jù)，并進(jìn)一步讀取第一幀視頻圖像如圖3(a)的灰度值I (x，y)，該視頻圖像寬為W個(gè)像素，高為H個(gè)像素，(x,y)為該視頻圖像上圖像像素點(diǎn)的坐標(biāo)，0 <= χ <= ff-1,0 <= y <= H-1，其中H、W為正整數(shù)，I (x, y)為0 255之間數(shù)值。如圖3(a)所示，場(chǎng)景中的目標(biāo)有明顯的陰影，需要對(duì)圖像進(jìn)行處理得到目標(biāo)和陰影。
優(yōu)選地，對(duì)該幀原始視頻圖像進(jìn)行預(yù)處理。
對(duì)視頻數(shù)據(jù)進(jìn)行預(yù)處理包括對(duì)利用中值濾波消除整幅圖像的圖像噪聲，利用高斯濾波消除圖像噪聲，利用高斯濾波進(jìn)行圖像分塊增強(qiáng)，和利用灰度直方圖調(diào)整圖像的對(duì)比度中的一種或多種。
例如，可以利用已經(jīng)讀取的灰度圖像如圖3(b)所示，對(duì)圖像進(jìn)行例如中值濾波的處理，中值濾波采用例如3*3鄰域，以消除圖像中的噪聲區(qū)域。進(jìn)一步，依據(jù)圖像的灰度直方圖統(tǒng)計(jì)信息，如圖3(c)所示，對(duì)灰度值在閾值(τ” τ2)之間的圖像進(jìn)行增強(qiáng)，處理后的圖像如圖3(d)。
隨后，對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)以確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域。
將圖像進(jìn)行邊緣提取，例如，對(duì)圖像做Gauss-Lapplace變換，得到物體目標(biāo)和陰影的邊緣。利用諸如輪廓跟蹤方法和/或灰度方差閾值方法的分割方法對(duì)得到的邊緣進(jìn)行處理，得到物體所在的目標(biāo)區(qū)域及陰影區(qū)域，如圖3(e)所示，其中區(qū)域的輪廓線301標(biāo)示物體目標(biāo)區(qū)域，輪廓線302標(biāo)示陰影區(qū)域，線段303表示目標(biāo)區(qū)域與陰影區(qū)域的分割線。
隨后，分別獲取物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征。
在根據(jù)本發(fā)明的實(shí)施例中，區(qū)域的特征包括區(qū)域的周長(zhǎng)，區(qū)域的面積和區(qū)域的慣性著有。區(qū)域周長(zhǎng)C的計(jì)算方法為該區(qū)域邊界線的像素個(gè)數(shù)總和，區(qū)域面積S為該區(qū)域內(nèi)的像素個(gè)數(shù)的總和，由此得到物體目標(biāo)區(qū)域的周長(zhǎng)Cl和面積Si，以及陰影區(qū)域的周長(zhǎng)C2和面積S2。在對(duì)區(qū)域進(jìn)行特征計(jì)算的過程中需要判斷圖像中的點(diǎn)是否在外輪廓線301及線段 303構(gòu)成的物體目標(biāo)區(qū)域內(nèi)或者在輪廓線302及線段303構(gòu)成的陰影區(qū)域內(nèi)。例如區(qū)域內(nèi)輪廓邊界點(diǎn)為 P1 (X，y)，P2(X，y)，P3(χ，y)，P4(X，y)，P5(X，y)，P6(X，y)，判斷像素點(diǎn)(χ，y) 是否在以上六點(diǎn)封閉的區(qū)域內(nèi)，就是從該點(diǎn)出發(fā)引一條射線，判斷這條射線和封閉區(qū)域邊界相交的交點(diǎn)數(shù)目如果有奇數(shù)個(gè)交點(diǎn)，則說明該點(diǎn)在該區(qū)域的內(nèi)部，如果有偶數(shù)個(gè)交點(diǎn)， 則說明該點(diǎn)在該區(qū)域的外部。由物體目標(biāo)區(qū)域輪廓和陰影區(qū)域輪廓可以得到目標(biāo)區(qū)域慣性主軸和陰影區(qū)域慣性主軸的位置，在圖3(f)中分別以慣性主軸與χ方向的夾角θ 和θ 2 標(biāo)注慣性主軸的位置，為計(jì)算該圖像的時(shí)間段和判斷順逆光做準(zhǔn)備。
如圖3(f)所示，由得到的物體所在的目標(biāo)區(qū)域及陰影區(qū)域的慣性主軸與水平χ方向的夾角分別為Θ1和θ 2，沿著夾角θ 、θ 2分別得到物體目標(biāo)區(qū)域輪廓和陰影區(qū)域輪廓沿慣性主軸方向的最大長(zhǎng)度為L(zhǎng)l和L2，下文分別稱為物體目標(biāo)區(qū)域沿其慣性主軸方向的長(zhǎng)度和陰影區(qū)域沿其慣性主軸方向的長(zhǎng)度。
隨后，根據(jù)物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征檢測(cè)該幀原始視頻圖像的拍攝時(shí)間。
利用如上所述求出的慣性主軸方向θ 1和θ 2，物體目標(biāo)區(qū)域和陰影區(qū)域的最大長(zhǎng)度Ll和L2，可以進(jìn)行拍攝時(shí)間段的判斷。依據(jù)常識(shí)可以得到目標(biāo)陰影的長(zhǎng)度L2 = 0時(shí)， 為正午12點(diǎn)。依據(jù)Ra = L2ZlnL1^O可以得到具體的拍攝時(shí)間段。如圖3(f)所示物體目標(biāo)區(qū)域長(zhǎng)度為L(zhǎng)i，陰影區(qū)域長(zhǎng)度為L(zhǎng)2，當(dāng)L2隨時(shí)間逐漸減小時(shí)判斷拍攝時(shí)間為上午時(shí)間， 反之為下午時(shí)間。假設(shè)太陽(yáng)從早上a點(diǎn)升起到晚上b點(diǎn)落下，上午共經(jīng)過時(shí)間為(12-a)個(gè)小時(shí)，下午經(jīng)過(b-12)個(gè)小時(shí)，其中a和b根據(jù)季節(jié)變化設(shè)定，當(dāng)設(shè)定了 a，b時(shí)間點(diǎn)后，需要給出a時(shí)刻點(diǎn)目標(biāo)圖像一張，計(jì)算出Rln = L2VL1-^當(dāng)判斷上午時(shí)間的時(shí)間段時(shí)，Ra 達(dá)到最大Ramax_a時(shí)為a點(diǎn)時(shí)間，從a點(diǎn)時(shí)間到正午12時(shí)期間的時(shí)間段內(nèi)時(shí)間點(diǎn)的檢測(cè)通過 Ra及Ramax_a按照下式計(jì)算得出，
t = a+(l-Ra/Ramax_a) X (12-a)公式 1。
同理判斷下午時(shí)間的時(shí)間段時(shí)，Ra達(dá)到最大Ramax_b時(shí)為b點(diǎn)時(shí)間，妝-—可以通過 Ramax_a計(jì)算得出即Ramax-b = Ramax-aX (b-12) / (12-a)。由正午12點(diǎn)時(shí)到b點(diǎn)時(shí)間的時(shí)間段內(nèi)時(shí)間點(diǎn)的檢測(cè)通過Ra及Ramajrt按照下式計(jì)算得出，
t = 12+(Ra/Ramax_b) X (b-12)公式 2。
由此，通過對(duì)視頻圖像進(jìn)行分析得到物體目標(biāo)區(qū)域和陰影區(qū)域，分別對(duì)物體目標(biāo)區(qū)域和陰影區(qū)域進(jìn)行特征計(jì)算獲取各區(qū)域的特征，可以進(jìn)行順逆光判斷和時(shí)間段的判斷。
下面借助實(shí)例對(duì)本發(fā)明的檢測(cè)視頻圖像的時(shí)間段和判斷順逆光狀態(tài)的方法進(jìn)行說明。
實(shí)例1
圖3 (a)-3(g)示出了根據(jù)本發(fā)明實(shí)例1的檢測(cè)時(shí)間段和判斷順逆光方法的示意圖像。
在該實(shí)例中，物體目標(biāo)區(qū)域的周長(zhǎng)Cl為340，面積Sl為6386，θ 1為90°，Ll為 103 ；陰影區(qū)域的周長(zhǎng)C2為235和面積S2為觀98，θ 2為62°，L2為49。按照如上所述的方法，可以得到θ =149° ,Ra = 0. 476ο實(shí)例中，the，ths和th θ分別為10，1和90。因?yàn)閒(Cl,C2) = 3. 7 e thc，g(Sl，S2) = 0. 85 e ths，所以該圖像可以進(jìn)行順逆光狀態(tài)的判斷。因?yàn)棣?> th0，所以該圖像屬于逆光狀態(tài)。由該圖像的L2 = 49，因?yàn)镽a = 0.476，b 點(diǎn)為19點(diǎn)，Ramax_b = 0. 93根據(jù)公式2可以判斷該圖片的拍攝時(shí)間為15:34。
實(shí)例2
圖4 (a)-4(d)示出了根據(jù)本發(fā)明實(shí)例2的檢測(cè)時(shí)間段和判斷順逆光方法的示意圖像。
在該實(shí)例中，物體目標(biāo)區(qū)域的周長(zhǎng)為487，面積Sl為14160，θ 1為90°，Ll為155; 陰影區(qū)域的周長(zhǎng)C2為310和面積S2為3540，θ 2為27°，L2為120。按照如上所述的方法,可以得到θ =8°，Ra = 0. 77。實(shí)例中，the，ths和th θ分別為0. 1 10，0 1和 90°。因?yàn)?f(Cl, C2) = 1. 56 e the, g(Sl，S2) = 0. 43 e ths，所以該圖像可以順逆光狀態(tài)的判斷。因?yàn)棣?<= th0，所以該圖像屬于順光狀態(tài)。由該圖像的L2 = 120，因?yàn)镽a = 0. 77，a點(diǎn)為6點(diǎn)，Ramax_a = 2. 25根據(jù)公式1 (或2)可以判斷該圖片的拍攝時(shí)間為9:57。
實(shí)例3
根據(jù)如上所述計(jì)算的時(shí)間參數(shù)及順逆光狀態(tài)，可以對(duì)攝像機(jī)或照相機(jī)中的拍攝參數(shù)進(jìn)行及時(shí)調(diào)節(jié)，以獲得更好的拍攝質(zhì)量。
利用攝像機(jī)或照相機(jī)獲取一系列視頻圖像，獲取各圖片或各幀圖像的平均亮度，11拍攝的順逆光狀態(tài)和時(shí)間段。根據(jù)圖片或圖像的拍攝信息，調(diào)節(jié)照相機(jī)或攝像機(jī)的拍攝參數(shù)。在調(diào)整攝像機(jī)或照相機(jī)的拍攝參數(shù)后，獲取圖像。計(jì)算調(diào)整后圖像的平均灰度Iavg(x， y)。當(dāng)調(diào)整后圖像的亮度與調(diào)整前圖像的亮度差值較大并且與調(diào)整前的幾幅或幾幀的圖像均存在較大的亮度差值時(shí)，可以重新拍攝圖像并計(jì)算時(shí)間段及順逆光判斷，以便重新確定相機(jī)參數(shù)，達(dá)到更好的拍攝效果。
雖然這里只說明了本發(fā)明的優(yōu)選實(shí)施例，但其意并非限制本發(fā)明的范圍、適用性和配置。相反，對(duì)實(shí)施例的詳細(xì)說明可使本領(lǐng)域技術(shù)人員得以實(shí)施。應(yīng)能理解，在不偏離所附權(quán)利要求書確定的本發(fā)明精神和范圍情況下，可對(duì)一些細(xì)節(jié)做適當(dāng)變更和修改。
權(quán)利要求
1 一種視頻圖像的順逆光判斷方法，其特征在于，該方法包括以下步驟從視頻圖像幀序列中獲取一幀原始視頻圖像；對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)以確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域；分別獲取物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征；根據(jù)物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征判斷該幀原始視頻圖像的順逆光狀態(tài)。
2.根據(jù)權(quán)利要求1所述的視頻圖像的順逆光判斷方法，其特征在于，在所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域的步驟之前包括，對(duì)該幀原始視頻圖像進(jìn)行預(yù)處理。
3.根據(jù)權(quán)利要求2所述的視頻圖像的順逆光判斷方法，其特征在于，所述對(duì)獲取的該幀原始視頻圖像進(jìn)行預(yù)處理包括，將該幀圖像轉(zhuǎn)換為灰度圖像，對(duì)整幀圖像濾除噪聲，利用高斯濾波進(jìn)行圖像分塊增強(qiáng)和利用灰度直方圖進(jìn)行對(duì)比度調(diào)整中的一種或多種。
4.根據(jù)權(quán)利要求1所述的視頻圖像的順逆光判斷方法，其特征在于，所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域包括利用邊緣提取方法提取圖像邊緣；利用輪廓跟蹤方法得到物體所在的目標(biāo)區(qū)域和陰影區(qū)域。
5.根據(jù)權(quán)利要求1所述的視頻圖像的順逆光判斷方法，其特征在于，所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域包括將圖像分塊，求取分塊得到的各圖像塊灰度的方差并分別設(shè)定各圖像塊的灰度閾值，利用灰度閾值分割得到物體所在的目標(biāo)區(qū)域和陰影區(qū)域。
6.根據(jù)權(quán)利要求1所述的視頻圖像的順逆光判斷方法，其特征在于，所述分別獲取物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征包括，分別獲取物體所在的目標(biāo)區(qū)域的周長(zhǎng)和面積、物體所在的陰影區(qū)域的周長(zhǎng)和面積、物體所在的目標(biāo)區(qū)域的慣性主軸的位置和物體所在的陰影區(qū)域慣性主軸的位置。
7.根據(jù)權(quán)利要求1所述的視頻圖像的順逆光判斷方法，其特征在于，在判斷該幀視頻圖像的順逆光狀態(tài)之前包括，利用物體所在的目標(biāo)區(qū)域的周長(zhǎng)和面積與物體所在的陰影區(qū)域的周長(zhǎng)和面積之間的關(guān)系確定該幀視頻圖像是否能用于判斷順逆光狀態(tài)。
8.根據(jù)權(quán)利要求1所述的視頻圖像的順逆光判斷方法，其特征在于，當(dāng)物體所在的目標(biāo)區(qū)域的慣性主軸與物體所在的陰影區(qū)域的慣性主軸之間的夾角小于等于預(yù)設(shè)閾值時(shí)，該幀視頻圖像為順光狀態(tài)；否則該幀視頻圖像為逆光狀態(tài)。
9.一種調(diào)節(jié)攝像機(jī)拍攝參數(shù)的方法，其特征在于包括根據(jù)權(quán)利要求1所述的視頻圖像的順逆光判斷方法獲得的連續(xù)多幀視頻圖像的順逆光狀態(tài)，通過比較該連續(xù)多幀視頻圖像的順逆光狀態(tài)調(diào)節(jié)攝像機(jī)的拍攝參數(shù)。
10.一種視頻圖像的拍攝時(shí)間檢測(cè)方法，其特征在于，該方法包括從視頻圖像序列中獲取一幀原始視頻圖像；對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)以確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域；分別獲取物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征；根據(jù)物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征檢測(cè)該幀原始視頻圖像的拍攝時(shí)間。
11.根據(jù)權(quán)利要求10所述的視頻圖像的拍攝時(shí)間檢測(cè)方法，其特征在于，在所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域的步驟之前包括，對(duì)該幀原始視頻圖像進(jìn)行預(yù)處理。
12.根據(jù)權(quán)利要求11所述的視頻圖像的拍攝時(shí)間檢測(cè)方法，其特征在于，所述對(duì)該幀原始視頻圖像進(jìn)行預(yù)處理包括，將該幀原始視頻圖像轉(zhuǎn)換為灰度圖像，對(duì)整幀圖像濾除噪聲，利用高斯濾波進(jìn)行圖像分塊增強(qiáng)和利用灰度直方圖進(jìn)行對(duì)比度調(diào)整中的一種或多種。
13.根據(jù)權(quán)利要求10所述的視頻圖像的拍攝時(shí)間檢測(cè)方法，其特征在于，所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域包括利用邊緣提取方法提取圖像邊緣；利用輪廓跟蹤方法，得到物體所在的目標(biāo)區(qū)域和陰影區(qū)域。
14.根據(jù)權(quán)利要求10所述的視頻圖像的拍攝時(shí)間檢測(cè)方法，其特征在于，所述對(duì)獲取的該幀視頻圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)確定物體所在的目標(biāo)區(qū)域和陰影區(qū)域包括將圖像分塊，求取分塊得到的各圖像塊灰度的方差并分別設(shè)定各圖像塊的灰度閾值， 利用灰度閾值分割得到物體所在的目標(biāo)區(qū)域和陰影區(qū)域。
15.根據(jù)權(quán)利要求10所述的視頻圖像的拍攝時(shí)間檢測(cè)方法，其特征在于，所述分別獲取物體所在的目標(biāo)區(qū)域的特征和陰影區(qū)域的特征包括，分別獲取物體所在的目標(biāo)區(qū)域的周長(zhǎng)和面積，物體所在的陰影區(qū)域的周長(zhǎng)和面積，物體所在的目標(biāo)區(qū)域沿其慣性主軸方向的長(zhǎng)度和物體所在的陰影區(qū)域沿其慣性主軸方向的長(zhǎng)度。
16.根據(jù)權(quán)利要求10所述的視頻圖像的拍攝時(shí)間檢測(cè)方法，其特征在于，如果該幀視頻圖像陰影區(qū)域沿其慣性主軸方向的長(zhǎng)度小于該幀視頻圖像的前一幀圖像陰影區(qū)域沿其慣性主軸方向的長(zhǎng)度，則該幀視頻圖像的拍攝時(shí)間為上午；否則該幀視頻圖像的拍攝時(shí)間為下午。
17.根據(jù)權(quán)利要求16所述的視頻圖像的拍攝時(shí)間檢測(cè)方法，其特征在于，利用陰影區(qū)域沿其慣性主軸方向的長(zhǎng)度與物體所在的目標(biāo)區(qū)域沿其慣性主軸方向的長(zhǎng)度的比例關(guān)系， 確定該視頻圖像的拍攝時(shí)間。
18.根據(jù)權(quán)利要求16所述的視頻圖像的拍攝時(shí)間檢測(cè)方法，其特征在于， 當(dāng)拍攝時(shí)間段為上午時(shí)，拍攝時(shí)間點(diǎn)t通過下面公式計(jì)算t = a+(l-Ra/Ramax_a) X (12-a)公式 1當(dāng)拍攝時(shí)間段為下午時(shí)，拍攝時(shí)間點(diǎn)t通過下面公式計(jì)算 t = 12+(Ra/Ramax_b) X (b_12)公式 2其中Ra = L2A1, L1 Φ 0，Ll為物體所在的目標(biāo)區(qū)域長(zhǎng)度，L2為陰影區(qū)域長(zhǎng)度； a為日出時(shí)間；b為日落時(shí)間；Ramax-a為預(yù)置日出時(shí)間點(diǎn)的Ra，Ramax-b 為日落時(shí)間點(diǎn)的 Ra，Ramax_b = Ramax_a* (b-12) / (12-a)。
19. 一種調(diào)節(jié)攝像機(jī)拍攝參數(shù)的方法，其特征在于包括根據(jù)權(quán)利要求10所述的視頻圖像的拍攝時(shí)間檢測(cè)方法獲得的連續(xù)多幀視頻圖像的拍攝時(shí)間，通過比較該連續(xù)多幀視頻圖像的拍攝時(shí)間調(diào)節(jié)攝像機(jī)的拍攝參數(shù)。
全文摘要
本發(fā)明屬于圖像處理領(lǐng)域，提供一種視頻圖像的順逆光判斷和拍攝時(shí)間檢測(cè)方法，該方法包括以下步驟，從視頻圖像序列中獲取一幀原始視頻圖像；對(duì)該幀圖像進(jìn)行物體目標(biāo)檢測(cè)和陰影檢測(cè)以確定物體目標(biāo)區(qū)域和陰影區(qū)域；分別獲取物體目標(biāo)區(qū)域的特征和陰影區(qū)域的特征；根據(jù)物體目標(biāo)區(qū)域的特征和陰影區(qū)域的特征判斷該幀圖像的順逆光狀態(tài)和/或檢測(cè)拍攝時(shí)間。本發(fā)明的方法將陰影區(qū)域的特征信息用于判斷順逆光狀態(tài)和檢測(cè)拍攝時(shí)間，獲得了穩(wěn)定、準(zhǔn)確、計(jì)算復(fù)雜度低的視頻圖像處理效果。
文檔編號(hào)G06T7/00GK102542552SQ20101059930
公開日2012年7月4日 申請(qǐng)日期2010年12月21日 優(yōu)先權(quán)日2010年12月21日
發(fā)明者張濱, 晏峰 申請(qǐng)人:北京漢王智通科技有限公司