[发明专利]阴影检测与消除方法

说明书

技术领域

本发明涉及数字视频与图像处理领域，具体地，涉及一种阴影检测与消除方法。

背景技术

在运动目标检测过程中阴影的存在造成了图像的退化，对后续的图像分析与理解带来极大的干扰，因此阴影的检测与消除是图像分析与理解的前提，运动目标的阴影检测在智能视频监控中有十分重要的应用价值。

现有的阴影检测算法大致可以分为三类：基于模型的方法、基于纹理的方法和基于阴影属性的方法。这些方法单独使用都存在各自的缺点：基于模型的方法需要实时检测光源的位置、方向和阴影发生的时间等，但这些条件都是很难确定的且随不同的应用环境变化，并且难以满足实时检测的需要；基于纹理的方法是把图像纹理特征同背景纹理特征进行对比分析，如果某些纹理特征不明显容易导致误测；基于阴影属性的方法通常需要定义一些属性的阈值，而这些阈值通常与环境有一定关系，且变化很大难以确定。

发明内容

本发明的目的在于提供一种基于颜色空间和灰度比联合的阴影检测与消除方法，对提取的前景目标采用HSV颜色模型初步判断出阴影区域，再通过高斯模型对灰度比特征进行描述来准确检测出目标的阴影。本发明的方法解决了阈值不能随环境自适应调整的问题，减小了阴影误检率，提高了阴影检测完整性和准确性。

根据本发明的一个主要方面，提供一种阴影检测与消除方法，其包括以下步骤：

(a)建立背景模型；

(b)根据当前帧像素是否满足背景模型，对当前帧进行前景/背景分割，由此获得带有阴影的目标；

(c)将该带有阴影的目标区域由RGB颜色空间转换到HSV颜色空间；

(d)将HSV颜色空间的色调H、饱和度S和亮度V三分量作为阴影检测算子，初步消除部分阴影；

(e)把消除部分阴影后的目标区域转化为灰度表示，并以其与背景模型对应像素的灰度比作为特征，并将该目标区域划分为多个特征子块；

(f)将各特征子块作为一个随机变量序列，并将灰度比分布概率用高斯模型描述，从而得到每个像素块的高斯分布的均值和方差，计算每个灰度比特征子块的均值和方差；如果高斯模型的方差大于设定阈值，则该子块为目标子块，反之为阴影子块；

(g)消除孤立的目标子块，填充不连续的目标子块，完成目标检测与阴影消除。

根据本发明的一个方面，在步骤(a)中，利用核密度估计背景建模方法对背景进行描述，将视频帧序列按照核密度估计背景模型建模。

根据本发明的一个方面，在步骤(a)中，视频帧序列包括30-50帧。

根据本发明的一个方面，在步骤(a)中，不断地更新核密度估计背景模型，而前景部分不参与背景模型的更新，从而得到准确的背景模型。

根据本发明的一个方面，在步骤(d)中，利用下列公式初步消除部分阴影：

式中，I表示当前帧，B表示背景帧，α，β为亮度比的阈值，T^H和T^S分别为色调阈值和饱和度阈值。

根据本发明的一个方面，在步骤(e)中，将该目标区域划分为m×n个特征子块，而每一子块的大小为12×12，如果某个子块大小小于12×12，则舍去此子块，或者补充此子块的行或列，直到其大小满足12×12。

根据本发明的一个方面，在步骤(f)中，计算每个灰度比特征子块的均值和方差的公式为：

E(gray)i=1TDiΣp(x,y)∈Digray-grayshadowgray]]>