一種基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法
【專利摘要】本發(fā)明提供了一種基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法，首先采用背景差分法獲得帶有運(yùn)動陰影的前景區(qū)域，然后利用顏色特征提取候選的陰影區(qū)域，通過在這些區(qū)域中隨機(jī)抽取樣本，估計(jì)出光照補(bǔ)償?shù)膮?shù)，隨后用補(bǔ)償后的背景區(qū)域再次與前景區(qū)域進(jìn)行差分，得到運(yùn)動陰影檢測結(jié)果；該方法并不需要對場景作任何假設(shè)，也不需要人工干預(yù)，且與其它的多特征陰影檢測方式相比，能夠合理的融合多種特征，同時(shí)具備實(shí)時(shí)性與準(zhǔn)確性優(yōu)勢，對場景變化與環(huán)境變化有良好的適應(yīng)性。
【專利說明】—種基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于視頻圖像處理領(lǐng)域，涉及一種能夠適應(yīng)場景變化的運(yùn)動陰影檢測方法，具體涉及一種基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法。
【背景技術(shù)】
[0002]運(yùn)動目標(biāo)檢測(前景檢測)是基于計(jì)算機(jī)視覺監(jiān)控的一項(xiàng)基礎(chǔ)而重要的任務(wù)，準(zhǔn)確有效的檢測結(jié)果是后續(xù)的目標(biāo)跟蹤、目標(biāo)識別、場景理解等高級應(yīng)用的前提與鋪墊。然而運(yùn)動目標(biāo)檢測由于受到環(huán)境與視頻監(jiān)控的實(shí)際場景的影響，其結(jié)果中往往包含了大量的虛假信息，運(yùn)動陰影是最常見的一種形式。運(yùn)動陰影是由于目標(biāo)在運(yùn)動過程中對光線的遮擋，使得場景中的某些區(qū)域光照減少而產(chǎn)生的一種投影。這類陰影與場景中的固定物體(背景)產(chǎn)生的投影的顯著區(qū)別在于，它會隨著運(yùn)動的目標(biāo)一起運(yùn)動，且其形狀與面積大小不斷變化。如果面積過大將會極大的影響目標(biāo)的識別與跟蹤的結(jié)果，導(dǎo)致場景理解得出錯(cuò)誤的結(jié)論。
[0003]常用的運(yùn)動陰影檢測方法包括幾何特征法、顏色特征法、物理特征法、局部紋理特征法、區(qū)域紋理特征法。幾何特征法需要通過先驗(yàn)知識得到場景的入射光線與目標(biāo)的運(yùn)動方向之間的相對關(guān)系，從而通過相關(guān)性獲得運(yùn)動陰影。由于場景的變化，先驗(yàn)知識的獲取相對困難，且不能夠適應(yīng)場景的不斷變化；顏色特征法利用運(yùn)動陰影的亮度減弱而顏色特征分量基本不變的性質(zhì)來獲得運(yùn)動陰影，在目標(biāo)顏色信息與背景信息相近時(shí)并不能進(jìn)行有效的判斷；物理特征法通過一些訓(xùn)練樣本建立運(yùn)動陰影模型，隨后對前景檢測結(jié)果進(jìn)行判別獲得陰影，訓(xùn)練樣本的自動獲取與模型的更新相對困難；局部紋理特征法利用邊緣、鄰域或者小波變化等方法來獲取前景的紋理信息，并與背景的紋理相比較來獲取運(yùn)動陰影；區(qū)域紋理特征法首先通過顏色特征篩選出候選的陰影區(qū)域，再對這些區(qū)域利用前景與背景區(qū)域梯度特征的相似性來獲取陰影。局部紋理與區(qū)域紋理方法對于紋理特征不明顯區(qū)域的檢測結(jié)果相對較差，且需要根據(jù)場景變化不斷調(diào)整區(qū)域的大小才能獲得準(zhǔn)確的結(jié)果。另外還有一些方法，將顏色、紋理等多種特征結(jié)合起來使用，但是在如何進(jìn)行有效的信息融合、實(shí)時(shí)性方面仍然存在許多問題。上述這些算法多依賴于場景與人工交互，且使用的特征相對單一，對場景變化的自適應(yīng)能力較差，且準(zhǔn)確性與實(shí)時(shí)性都有待進(jìn)一步提高。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是提供一種能夠適應(yīng)場景變化且快速而準(zhǔn)確的基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法。
[0005]為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案:
[0006]一種基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法，通過對場景中被遮擋的光照進(jìn)行補(bǔ)償以實(shí)現(xiàn)運(yùn)動陰影的檢測，具體包括以下步驟:
[0007]步驟1:將視頻圖像轉(zhuǎn)換到Y(jié)UV顏色空間，建立自動更新的背景模型召
[0008]步驟2:將當(dāng)前圖像中的像素點(diǎn)與背景模型中對應(yīng)的像素點(diǎn)進(jìn)行比較，如果滿足閾值條件則判斷為背景BG，否則為前景FG，得到含有陰影的運(yùn)動目標(biāo)檢測結(jié)果Li ；[0009]步驟3:利用顏色特征篩選出包含運(yùn)動陰影的大致的區(qū)域，也即場景中光照被遮擋的區(qū)域；
[0010]具體方式如下:
[0011]通過YUV顏色空間的UV分量，建立顏色不變特征，從前景檢測結(jié)果Li中獲得含有運(yùn)動陰影的樣本集Ws，包含運(yùn)動陰影的樣本應(yīng)滿足以下判別公式:
【權(quán)利要求】
1.一種基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法，其特征在于，通過對場景中被遮擋的光照進(jìn)行補(bǔ)償以實(shí)現(xiàn)運(yùn)動陰影的檢測，具體包括以下步驟: 步驟1:將視頻圖像轉(zhuǎn)換到Y(jié)UV顏色空間，建立自動更新的背景模型B 步驟2:將當(dāng)前圖像中的像素點(diǎn)與背景模型中對應(yīng)的像素點(diǎn)進(jìn)行比較，如果滿足閾值條件則判斷為背景BG，否則為前景FG，得到含有陰影的運(yùn)動目標(biāo)檢測結(jié)果Li ； 步驟3:利用顏色特征篩選出包含運(yùn)動陰影的大致的區(qū)域，也即場景中光照被遮擋的區(qū)域； 具體方式如下: 通過YUV顏色空間的UV分量，建立顏色不變特征，從前景檢測結(jié)果Li中獲得含有運(yùn)動陰影的樣本集Ws，包含運(yùn)動陰影的樣本應(yīng)滿足以下判別公式:
2.根據(jù)權(quán)利要求1所述的基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法，其特征在于:所述步驟I中背景模型的建立由ViBe方法實(shí)現(xiàn)，通過隨機(jī)抽取鄰域像素形成一個(gè)點(diǎn)集來表示背景；對于視頻的第一幀圖像，以尸表示圖像中在t時(shí)刻點(diǎn)i的像素值，c表示顏色空間，TVf表示像素點(diǎn)i的m鄰域，Btl表示像素點(diǎn)i在t時(shí)刻的背景模型，則點(diǎn)i處背景模型初始化為:
3.根據(jù)權(quán)利要求1所述的基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法，其特征在于:所述步驟2中前景FG和背景BG判斷公式如下:
4.根據(jù)權(quán)利要求1所述的基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法，其特征在于:所述步驟4具體方式如下: 從樣本集Ws中隨機(jī)抽樣N個(gè)樣本點(diǎn)，同時(shí)將背景模型中對應(yīng)的背景像素點(diǎn)提取出來，利用得到的N個(gè)樣本點(diǎn)獲得光照補(bǔ)償?shù)膮?shù)α，通過下式來計(jì)算:
5.根據(jù)權(quán)利要求4所述的基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法，其特征在于:所述樣本點(diǎn)數(shù)量N>50。
6.根據(jù)權(quán)利要求1所述的基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法，其特征在于:所述步驟5中判別公式如下:
7.根據(jù)權(quán)利要求1所述的基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法，其特征在于:所述步驟5中，將判斷的結(jié)果采用形態(tài)學(xué)濾波去除噪聲，得到精確的運(yùn)動陰影結(jié)果與運(yùn)動目標(biāo)檢測結(jié)果。
8.根據(jù)權(quán)利要求1-7任一項(xiàng)所述的基于光照補(bǔ)償?shù)囊曨l運(yùn)動陰影檢測方法，其特征在于:所述步驟3中利用梯度的模值與方向?qū)η熬皺z測結(jié)果Li進(jìn)行初步篩選，得到含有運(yùn)動陰影的樣本集Wsl，包含運(yùn)動陰影的樣本應(yīng)滿足以下判別公式:
【文檔編號】G06T7/00GK103679704SQ201310607668
【公開日】2014年3月26日 申請日期:2013年11月22日 優(yōu)先權(quán)日:2013年11月22日
【發(fā)明者】李艾華, 蘇延召, 金廣智, 姜柯, 石林鎖, 王濤, 蔡艷平, 劉浩 申請人:中國人民解放軍第二炮兵工程大學(xué)