專(zhuān)利名稱(chēng)：一種車(chē)輛陰影消除方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及車(chē)輛檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種車(chē)輛陰影消除方法及裝置。
背景技術(shù)：
隨著科技的不斷發(fā)展，智能監(jiān)控和智能交通等技術(shù)領(lǐng)域得到了蓬勃發(fā)展，視頻檢測(cè)在智能交通系統(tǒng)中應(yīng)用廣泛，特別是交通路口車(chē)輛檢測(cè)、車(chē)輛跟蹤和車(chē)輛駕駛行為識(shí)別，視頻檢測(cè)的基礎(chǔ)是車(chē)輛檢測(cè)，而陰影的投影部分將改變檢測(cè)到的車(chē)輛目標(biāo)的形狀和大小，影響車(chē)輛分類(lèi)、跟蹤和行為識(shí)別，消除陰影是視頻檢測(cè)中的關(guān)鍵問(wèn)題。目前，陰影的檢測(cè)方法主要分為基于模型和基于特征的兩種檢測(cè)方法。基于模型的方法主要利用場(chǎng)景信息、光照方向和車(chē)輛目標(biāo)的幾何特征構(gòu)建模型，當(dāng)目標(biāo)車(chē)輛的形狀、獲取車(chē)輛圖像的視角、以及光照方向已知的情況下，根據(jù)構(gòu)建出的模型來(lái)判別每個(gè)像素點(diǎn) 是否屬于陰影區(qū)域，從而獲取精確的陰影信息；基于特征的方法，主要是利用陰影和背景的光譜特征進(jìn)行陰影檢測(cè)，如陰影的幾何特點(diǎn)、亮度、顏色以及飽和度等信息標(biāo)識(shí)陰影區(qū)域，其根本是利用顏色恒常性和陰影只降低被遮擋物體的亮度信息這兩個(gè)特征。但上述基于模型和基于特征的兩種陰影檢測(cè)方法，存在算法復(fù)雜度高，計(jì)算速度慢等缺點(diǎn)，導(dǎo)致處理標(biāo)清視頻都難以達(dá)到實(shí)時(shí)性。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的主要目的在于提供一種車(chē)輛陰影消除方法及裝置，以實(shí)現(xiàn)克服現(xiàn)有技術(shù)中算法復(fù)雜度高、實(shí)時(shí)性差的目的。為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種車(chē)輛陰影消除方法，包括采集交通路口處固定區(qū)域的實(shí)時(shí)視頻；如果所述視頻當(dāng)前幀圖像中存在運(yùn)動(dòng)前景，則獲取當(dāng)前幀圖像中車(chē)輛的前景掩碼團(tuán)塊，并利用預(yù)先設(shè)定的光照模型從所述前景掩碼團(tuán)塊中分離出車(chē)輛的第一陰影掩碼團(tuán)塊，所述光照模型與當(dāng)前光照方向相匹配；確定所述第一陰影掩碼團(tuán)塊與所述光照模型的陰影重合度；如果所述陰影重合度大于第一設(shè)定閾值，則在RGB顏色空間內(nèi)確定所述車(chē)輛的陰影區(qū)域；根據(jù)所述陰影區(qū)域糾正所述預(yù)先設(shè)定的光照模型，并利用糾正后的光照模型從所述前景掩碼團(tuán)塊中分離出車(chē)輛的第二陰影掩碼團(tuán)塊；確定所述第二陰影掩碼團(tuán)塊與糾正后的光照模型的陰影重合度，直到所述陰影重合度不大于所述第一設(shè)定閾值后輸出陰影分離后的車(chē)輛掩碼團(tuán)塊。優(yōu)選的，在上述方法中，在所述采集交通路口處固定區(qū)域的實(shí)時(shí)視頻圖像之后還包括判斷所述當(dāng)前幀圖像中是否存在運(yùn)動(dòng)前景，具體包括獲取所述視頻當(dāng)前幀的背景圖像和當(dāng)前圖像；將所述背景圖像中的每個(gè)像素值與所述當(dāng)前圖像中對(duì)應(yīng)位置的像素值相減，用以獲取每個(gè)像素的絕對(duì)差值；如果存在絕對(duì)差值大于第二設(shè)定閾值的像素區(qū)域，則確定所述當(dāng)前幀圖像中存在運(yùn)動(dòng)前景；如果不存在絕對(duì)差值大于所述第二設(shè)定閾值的像素區(qū)域，則確定所述當(dāng)前幀圖像中不存在運(yùn)動(dòng)前景。優(yōu)選的，在上述方法中，所述獲取當(dāng)前幀圖像中車(chē)輛的前景掩碼團(tuán)塊包括提取所述絕對(duì)差值大于所述第二設(shè)定閾值的像素點(diǎn)；利用提取的所有像素點(diǎn)生成所述車(chē)輛的初始前景掩碼團(tuán)塊；對(duì)所述初始前景掩碼團(tuán)塊進(jìn)行邊緣檢測(cè)，并利用檢測(cè)后的結(jié)果與當(dāng)前車(chē)輛的顏色 信息確定所述車(chē)輛的最終前景掩碼團(tuán)塊。優(yōu)選的，在上述方法中，所述第二設(shè)定閾值具體按下述方法實(shí)現(xiàn)獲取所述當(dāng)前幀圖像中設(shè)定數(shù)目的像素點(diǎn)的絕對(duì)差值；計(jì)算所述設(shè)定數(shù)目的絕對(duì)差值的均值μ和方差σ ;根據(jù)公式Ttl= α σ +μ計(jì)算所述第二設(shè)定閾值Ttl,其中，α為常數(shù)。優(yōu)選的，在上述方法中，所述確定所述第一陰影掩碼團(tuán)塊與所述光照模型的陰影重合度包括將所述第一陰影掩碼團(tuán)塊與所述光照模型進(jìn)行重疊；以當(dāng)前光照方向?yàn)檩S線分割重疊后的陰影掩碼團(tuán)塊，用以獲取第一陰影掩碼團(tuán)塊和第二陰影掩碼團(tuán)塊；利用公式
權(quán)利要求
1.一種車(chē)輛陰影消除方法，其特征在于，包括 采集交通路口處固定區(qū)域的實(shí)時(shí)視頻； 如果所述視頻當(dāng)前幀圖像中存在運(yùn)動(dòng)前景，則獲取當(dāng)前幀圖像中車(chē)輛的前景掩碼團(tuán)塊，并利用預(yù)先設(shè)定的光照模型從所述前景掩碼團(tuán)塊中分離出車(chē)輛的第一陰影掩碼團(tuán)塊，所述光照模型與當(dāng)前光照方向相匹配； 確定所述第一陰影掩碼團(tuán)塊與所述光照模型的陰影重合度； 如果所述陰影重合度大于第一設(shè)定閾值，則在RGB顏色空間內(nèi)確定所述車(chē)輛的陰影區(qū)域； 根據(jù)所述陰影區(qū)域糾正所述預(yù)先設(shè)定的光照模型，并利用糾正后的光照模型從所述前景掩碼團(tuán)塊中分離出車(chē)輛的第二陰影掩碼團(tuán)塊； 確定所述第二陰影掩碼團(tuán)塊與糾正后的光照模型的陰影重合度，直到所述陰影重合度不大于所述第一設(shè)定閾值后輸出陰影分離后的車(chē)輛掩碼團(tuán)塊。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，在所述采集交通路口處固定區(qū)域的實(shí)時(shí)視頻圖像之后還包括判斷所述當(dāng)前幀圖像中是否存在運(yùn)動(dòng)前景，具體包括 獲取所述視頻當(dāng)前幀的背景圖像和當(dāng)前圖像； 將所述背景圖像中的每個(gè)像素值與所述當(dāng)前圖像中對(duì)應(yīng)位置的像素值相減，用以獲取每個(gè)像素的絕對(duì)差值； 如果存在絕對(duì)差值大于第二設(shè)定閾值的像素區(qū)域，則確定所述當(dāng)前幀圖像中存在運(yùn)動(dòng)前景； 如果不存在絕對(duì)差值大于所述第二設(shè)定閾值的像素區(qū)域，則確定所述當(dāng)前幀圖像中不存在運(yùn)動(dòng)前景。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取當(dāng)前幀圖像中車(chē)輛的前景掩碼團(tuán)塊包括 提取所述絕對(duì)差值大于所述第二設(shè)定閾值的像素點(diǎn)； 利用提取的所有像素點(diǎn)生成所述車(chē)輛的初始前景掩碼團(tuán)塊； 對(duì)所述初始前景掩碼團(tuán)塊進(jìn)行邊緣檢測(cè)，并利用檢測(cè)后的結(jié)果與當(dāng)前車(chē)輛的顏色信息確定所述車(chē)輛的最終前景掩碼團(tuán)塊。
4.根據(jù)權(quán)利要求2至3任一項(xiàng)所述的方法，其特征在于，所述第二設(shè)定閾值具體按下述方法實(shí)現(xiàn) 獲取所述當(dāng)前幀圖像中設(shè)定數(shù)目的像素點(diǎn)的絕對(duì)差值； 計(jì)算所述設(shè)定數(shù)目的絕對(duì)差值的均值μ和方差σ ; 根據(jù)公式Ttl= α σ +μ計(jì)算所述第二設(shè)定閾值Ttl,其中，α為常數(shù)。
5.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述確定所述第一陰影掩碼團(tuán)塊與所述光照模型的陰影重合度包括 將所述第一陰影掩碼團(tuán)塊與所述光照模型進(jìn)行重疊； 以當(dāng)前光照方向?yàn)檩S線分割重疊后的陰影掩碼團(tuán)塊，用以獲取第一陰影掩碼團(tuán)塊和第二陰影掩碼團(tuán)塊； 利用公式 計(jì)算分割系數(shù)λ，其中，al為所述第一陰影掩碼團(tuán)塊中未重疊區(qū)域的面積，a2為所述第二陰影掩碼團(tuán)塊中未重疊區(qū)域的面積，b為全部重疊區(qū)域的面積，所述分割系數(shù)λ為所述陰影重合度。
6.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述在RGB顏色空間內(nèi)確定所述車(chē)輛的陰影區(qū)域包括 分別獲取所述背景圖像和所述當(dāng)前圖像上同一點(diǎn)的RGB空間坐標(biāo)； 利用所述RGB空間坐標(biāo)計(jì)算亮度差異值和色度差異值； 確定所述亮度差異值小于第三設(shè)定閾值且所述色度差異值在設(shè)定數(shù)值范圍內(nèi)的所有像素點(diǎn)組成的區(qū)域?yàn)殛幱皡^(qū)域。
7.根據(jù)權(quán)利要求I至6任一項(xiàng)所述的方法，其特征在于，所述光照方向包括 將所述固定區(qū)域的二維坐標(biāo)平面平均分割成八等份，以獲取上、下、左、右、左上、左下、右上、右下與正中九種光照方向，所述正中表示無(wú)陰影或光照方向處于車(chē)輛正上方的光照情況。
8.—種車(chē)輛陰影檢測(cè)裝置，其特征在于，包括 視頻采集模塊，用于采集交通路口處固定區(qū)域的實(shí)時(shí)視頻； 團(tuán)塊獲取模塊，用于在所述視頻當(dāng)前幀圖像中存在運(yùn)動(dòng)前景時(shí)，獲取當(dāng)前幀圖像中車(chē)輛的前景掩碼團(tuán)塊； 陰影分離模塊，用于利用預(yù)先設(shè)定的光照模型從所述前景掩碼團(tuán)塊中分離出車(chē)輛的第一陰影掩碼團(tuán)塊，所述光照模型與當(dāng)前光照方向相匹配； 重合度確定模塊，用于確定所述第一陰影掩碼團(tuán)塊與所述光照模型的陰影重合度； 第一判斷模塊，用于判斷所述陰影重合度是否大于第一設(shè)定閾值； 陰影重確定模塊，用于在所述第一判斷模塊判斷得到的所述陰影重合度大于第一設(shè)定閾值時(shí)，在RGB顏色空間內(nèi)確定所述車(chē)輛的陰影區(qū)域； 模型糾正模塊，用于根據(jù)所述陰影區(qū)域糾正所述預(yù)先設(shè)定的光照模型； 所述陰影分離模塊，還用于利用糾正后的光照模型從所述前景掩碼團(tuán)塊中分離出車(chē)輛的第二陰影掩碼團(tuán)塊； 所述重合度確定模塊，還用于確定所述第二陰影掩碼團(tuán)塊與糾正后的光照模型的陰影重合度，直到所述陰影重合度小于所述第一設(shè)定閾值為止； 車(chē)輛區(qū)域輸出模塊，用于在所述陰影重合度不大于所述第一閾值時(shí)，輸出陰影分離后的車(chē)輛掩碼團(tuán)塊。
9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括第二判斷模塊，用于判斷所述當(dāng)前幀圖像中是否存在運(yùn)動(dòng)前景，具體包括 第一獲取單元，用于獲取所述視頻當(dāng)前幀的背景圖像和當(dāng)前圖像； 第二獲取單元，用于將所述背景圖像中的每個(gè)像素值與所述當(dāng)前圖像中對(duì)應(yīng)位置的像素值相減，用以獲取每個(gè)像素的絕對(duì)差值； 判斷單元，用于判斷是否存在絕對(duì)差值大于第二設(shè)定閾值的像素區(qū)域； 第一確定單元，用于在所述判斷單元判斷得到的存在絕對(duì)差值大于第二設(shè)定閾值的像素區(qū)域時(shí)，確定所述當(dāng)前幀圖像中存在運(yùn)動(dòng)前景； 第二確定單元，用于在所述判斷單元判斷得到的不存在絕對(duì)差值大于所述第二設(shè)定閾值的像素區(qū)域時(shí)，確定所述當(dāng)前幀圖像中不存在運(yùn)動(dòng)前景。
10.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述團(tuán)塊獲取模塊包括 提取單元，用于提取所述絕對(duì)差值大于所述第二設(shè)定閾值的像素點(diǎn)； 生成單元，用于利用提取的所有像素點(diǎn)生成所述車(chē)輛的初始前景掩碼團(tuán)塊； 第三確定單元，用于對(duì)所述初始前景掩碼團(tuán)塊進(jìn)行邊緣檢測(cè)，并利用檢測(cè)后的結(jié)果與當(dāng)前車(chē)輛的顏色信息確定所述車(chē)輛的最終前景掩碼團(tuán)塊。
11.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述重合度確定模塊包括 重疊單元，用于將所述第一陰影掩碼團(tuán)塊與所述光照模型進(jìn)行重疊； 第三獲取單元，用于以當(dāng)前光照方向?yàn)檩S線分割重疊后的陰影掩碼團(tuán)塊，用以獲取第一陰影掩碼團(tuán)塊和第二陰影掩碼團(tuán)塊； 分割系數(shù)計(jì)算單元，用于利用公式|al:g21計(jì)算分割系數(shù)λ，其中，al為所述第一 O陰影掩碼團(tuán)塊中未重疊區(qū)域的面積，a2為所述第二陰影掩碼團(tuán)塊中未重疊區(qū)域的面積，b為全部重疊區(qū)域的面積，所述分割系數(shù)λ為所述陰影重合度。
12.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述陰影區(qū)域確定模塊包括 第四獲取單元，用于分別獲取所述背景圖像和所述當(dāng)前圖像上同一點(diǎn)的RGB空間坐標(biāo)； 差異值計(jì)算單元，用于利用所述RGB空間坐標(biāo)計(jì)算亮度差異值和色度差異值； 第四確定單元，用于確定所述亮度差異值小于第三設(shè)定閾值且所述色度差異值在設(shè)定數(shù)值范圍內(nèi)的所有像素點(diǎn)組成的區(qū)域?yàn)殛幱皡^(qū)域。
全文摘要
本發(fā)明公開(kāi)了一種車(chē)輛陰影消除方法，包括采集交通路口處固定區(qū)域的實(shí)時(shí)視頻；如果當(dāng)前幀圖像中存在運(yùn)動(dòng)前景，則獲取當(dāng)前幀圖像中車(chē)輛的前景掩碼團(tuán)塊，并利用預(yù)先設(shè)定的光照模型從前景掩碼團(tuán)塊中分離車(chē)輛的第一陰影掩碼團(tuán)塊；確定第一陰影掩碼團(tuán)塊與光照模型的陰影重合度；如果陰影重合度大于第一設(shè)定閾值，則在RGB顏色空間內(nèi)確定車(chē)輛的陰影區(qū)域；根據(jù)所述陰影區(qū)域糾正預(yù)先設(shè)定的光照模型，并利用糾正后的光照模型從前景掩碼團(tuán)塊中分離出車(chē)輛的第二陰影掩碼團(tuán)塊；確定第二陰影掩碼團(tuán)塊與糾正后的光照模型的陰影重合度，直到陰影重合度不大于第一設(shè)定閾值后輸出陰影分離后的車(chē)輛掩碼團(tuán)塊。本發(fā)明還公開(kāi)了一種車(chē)輛陰影消除裝置。
文檔編號(hào)G06K9/40GK102938057SQ201210402580
公開(kāi)日2013年2月20日 申請(qǐng)日期2012年10月19日 優(yōu)先權(quán)日2012年10月19日
發(fā)明者蘇志敏, 舒小華, 肖習(xí)雨, 龍永紅, 李勛 申請(qǐng)人:株洲南車(chē)時(shí)代電氣股份有限公司