[发明专利]一种复杂环境下颜色与梯度综合的阴影检测与去除算法

摘要

本发明公开了一种复杂环境下颜色与梯度综合的阴影检测与去除算法。在实际视频监控场景中，基于模型的阴影检测方法由于建立模型时需要有场景、目标、光照的先验知识，这是相当困难的，所以该方法一般只能用于较理想的环境，另外由于先验知识并不总是可靠的，大大限制了其应用领域。基于阴影属性的阴影检测方法应用较广，如在背景建模的基础上，利用当前阴影区域比背景暗的特性区分阴影和真实前景。但是该方法的缺点是对光照的强度比较敏感。因此综合阴影不改变背景中梯度的特点，提出了一种颜色、梯度综合阴影检测算法。

主权项

一种复杂环境下颜色与梯度综合的阴影检测与去除算法，其特征在于，包括以下步骤：步骤(1)：将采集到的视频帧进行背景差处理，先建立合适的背景模型，再把当前帧与背景模型进行背景差运算，提取出前景图像；步骤(2)：对提取出的前景图像进行边缘腐蚀，得到去除边缘轮廓后的前景目标，用Ms标记通过背景差运算得到前景目标的二值图像，对Ms做数学形态学腐蚀操作，腐蚀后的图像记为Me，即去除边缘轮廓后的前景目标：Me＝MsΘS式中S为腐蚀结构单元；步骤(3)：对去除轮廓后的目标Me进行颜色、梯度检测，判断当前像素是前景像素还是阴影像素；其中基于颜色的阴影检测图记为Mec，基于梯度的方法得到的阴影检测图像记为Met，通过混合方法对Me进行阴影检测后的阴影图像记为Mesh：Mesh＝Mec∩Met；步骤(4)：在步骤(3)的同时，用步骤(1)得到的前景图像和步骤(2)得到的去除轮廓后的目标进行差分运算，得到目标轮廓图像，记为Mc：Mc＝Ms‑Me；步骤(5)：对步骤(4)中得到的目标轮廓图像Mc用基于颜色的方法进行阴影检测，将其阴影检测图像记为Mcsh，判断当前目标轮廓是前景轮廓还是阴影轮廓；步骤(6)：对步骤(3)和步骤(5)所得到的阴影检测结果进行综合判决，当前景点同时满足这两个阴影检测条件时则判决该点为阴影点，最终的阴影检测图像记为Msh(其中，Msh＝Mesh∩Mcsh)，并去除阴影；阴影去除后的图像记为M(M＝Ms‑Msh)；步骤(7)：进行目标重建，获得去除阴影的前景目标。