[发明专利]一种阴影检测方法及装置

说明书

技术领域

本发明涉及图像检测技术，尤指一种运动目标检测中的阴影检测方法及装置。 

背景技术

在视频监控中，需要对相对于静止的背景被称为前景的运动目标(比如运动的人、移动的物体、运动的车辆等)进行检测。运动目标的有效准确监测和提取，对于目标的分类、跟踪和行为理解等后期处理是非常关键的，也是场景监控中的核心技术之一。 

在运动目标检测过程中，由于光线照射物体，会使运动目标产生相应的阴影。产生的阴影会随着运动目标的运动而运动，在进行目标检测时，如果对阴影进行处理，很有可能会将阴影作为运动目标检测出来，这样，对后期的跟踪、识别造成了很大的干扰。 

目前，阴影检测方法往往只考虑了阴影的颜色特征，直接利用阈值判断的方法检测出某个目标像素点是否为阴影点，比如在某个目标像素点的颜色值小于预设阈值时，判定该目标像素点为阴影点。现有阴影检测方法受噪声以及其他因素的干扰比较严重，从而降低了阴影检测的正确性，不能保证通过阴影检测将阴影完全去除。 

发明内容

有鉴于此，本发明的主要目的在于提供一种阴影检测方法，能够提高阴影检测的正确性，保证阴影检测的稳定性。 

本发明的另一目的在于提供一种阴影检测装置，能够提高阴影检测的正确性，保证阴影检测的稳定性。 

为达到上述目的，本发明的技术方案具体是这样实现的： 

一种阴影检测方法，该方法包括： 

A.对图像进行目标检测获得背景点和前景点，并利用检测出的背景点对已建立的背景模型进行更新； 

B1.计算所述检测出的背景点与前景点的颜色比率，并根据计算出的颜色比率获取该背景点与前景点的颜色比率满足的颜色概率分布P(α)，其中，α为所述颜色比率； 

B2.根据公式diff(i)＝LoG_i-LoG_BL计算目标像素点的高斯拉普拉斯值差值diff(i)，其中， i表示某目标像素点，BL表示背景点，r为目标像素点距离中心点的距离，σ₂为高斯函数带宽； 

根据计算出的高斯拉普拉斯值差值获取该目标像素点的高斯拉普拉斯值差值满足的纹理概率分布P(diff)，其中，diff为所述目标像素点的高斯拉普拉斯值差值； 

B3.根据公式P(diff，α)＝P(diff)P(α)获取目标像素点的纹理概率分布的联合概率密度P(diff，α)； 

在得到的联合概率密度小于预设阈值时，判定目标像素点为阴影点。 

步骤A中所述背景模型的建立方法为：以输入图像的前N帧作为初始背景估计的参考图像，利用这N帧图像建立背景模型； 

假设x₁，x₂，…，x_N为所述图像中的某个像素点x_z的一组观察值样本，采用中值滤波法t时刻某一个像素点x_z的背景像素估计值按照下式计算出： 

B(xz)=mediani(xi),]]>i＝1，2，......N 

步骤A中所述更新的方法为： 

对所述背景模型中的像素点和检测出的背景点进行排序，去除排序后距离中值最远的像素点，再利用排序后得到的像素点重新组成N帧图像更新已有背景模型。 

步骤B1中所述计算颜色比率的方法为： 

其中，α(i)表示颜色比率，I(i)表示前景像素值，μ(i)是背景像素均值，σ(i)是背景像素方差，i表示不同的像素点，R、G、B分别对应三基色分量。 

步骤B1中所述获取颜色概率分布P(α)的方法为： 

其中，k₁，β，σ₁为预先设置的值，其中，k₁＝1；β与阴影的强度有关，阴影的强度越弱β设置得越大；σ₁＝60；α为所述颜色比率。 

步骤B2中所述获取纹理概率分布P(diff)的方法为：