[发明专利]基于颜色不变性和高斯模型的阴影检测方法

说明书

技术领域

本发明涉及的是一种计算机视觉技术领域的方法，具体是一种基于颜色不变性和高斯模型的阴影检测方法。

背景技术

智能视频监控系统在交通监控，酒店监控等系统中都有应用。而在智能视频监控系统中，运动物体的检测与分割是应用视觉研究领域的一个重要课题。在视频处理系统中，从背景分割出来的前景，包含以下四种子区域：实际的目标运动物体、目标运动物体的可见阴影区域、目标运动物体的不可见阴影区域、噪声区域。目标运动物体的阴影区域的产生，是由于太阳的光线被目标运动物体阻挡。运动目标的阴影因为和运动目标具有相同的运动特征，因此在运动目标的检测中无法消除。而阴影中的投影部分将改变检测到的运动目标的形状和大小，引起运动目标的错误分类或动作识别，所以为了能够正确的描述运动目标，就要对阴影进行检测和消除。而其他的一些噪声，可能由于光线的亮度变化，目标运动物体的镜面反射等原因造成，也会影响目标运动物体的检测。他们可能使得检测出的目标运动物体的几何形状变形，或者相邻的目标运动物体被连接起来，判断成一个目标运动物体，造成误检。而视频中的树叶摇晃，系统噪声等也可能造成误检。因此在视频监控系统中，检测和消除阴影以及噪声，有着非常重要的作用，而阴影的检测与消除，是重点和难点。

目前，阴影的检测方法主要分为基于模型或者基于特征两种。基于模型的方法利用场景、照明和目标的几何特征构建模型，当目标的形状、视角、光照方向已知的时候，基于模型的方法可以得到精确的阴影信息，但是此类方法局限性大、适用性较差。另一方面，基于特征的方法，利用阴影和背景的光谱特征进行阴影检测，此类方法也具有一定的局限性，比如当阴影的颜色比较深的时候，利用色度不变性就无法检测出阴影，而由于一些颜色的对应灰度值是相同的，致使单纯利用灰度值进行阴影检测的方法失效。

经对现有技术的文献检索发现，Kunfeng Wang等在2007年IEEE智能运输系统会议(Intelligent Transportation Systems Conference)上发表的“MovingObject Refining in Traffic Monitoring Applications”(在交通监控系统中应用中提取运动目标)，该文中提出的基于统计分析特性的阴影处理方法，具体方法为：根据阴影的特性选取样点，建立高斯模型，主要特性包括，比背景具有较低的强度和较高的蓝色比率等。其不足在于：在建立高斯模型的时候，选取样点工作不够细致，没有考虑阴影的可见和不可见问题。在阴影的可见和不可见两种情况下，阴影的选取方法应当是不同的。

发明内容

本发明针对上述现有技术的不足，提出了一种基于颜色不变性和高斯模型的阴影检测方法，采用划分相似区域的方法，降低了误检率，也采用了利用颜色的不变性与建立阴影的高斯模型相结合的方法，使得基于特征的阴影处理方法的正确率提高。本发明中的阴影检测方法，主要是指在视频画面提取的前景的基础上，将前景中的阴影像素点检测出来，前景去除阴影像素点之后的图像就是需要得到的目标运动物体。

本发明是通过如下技术方案实现的，本发明包括如下步骤：

步骤一，根据颜色的相近性对前景区域进行划分，由于阴影的强度小于背景，因此在区域的划分中只对强度小于背景的前景进行划分；

步骤二，根据阴影的光谱特性选取样点，建立阴影的高斯模型，阴影的光谱特性包括：颜色不变性、比背景具有较低的强度和较高的蓝色比率等，并利用阴影的高斯模型判定像素点是否为阴影，当同一区域的像素点一半及以上的像素都被判定为阴影时，该区域被判定为阴影区域；

步骤三，获得阴影检测的最初结果后，再根据阴影的空间特性识别阴影区域的边界点属于阴影还是属于噪声，以降低误检率，提高检测的准确度。

所述根据颜色的相近性对前景区域进行划分，具体为：采用像素点的RGB的关系的方法进行判断，如果两个像素点的RGB值的差与和的绝对值的比小于根据实验设定的阈值，则判断两个像素点属于同一区域。

所述建立阴影的高斯模型，包括如下具体步骤：

第一步，根据阴影与背景相比具有较低的强度的特性来选取样点，当前景像素点的RGB值和强度值小于该像素点在背景中的值时，该像素点选取为样点；

第二步，根据阴影与背景相比具有较高的蓝色的饱和度的特性来选取样点，当前景像素点的蓝色饱和度高于该像素点在背景中的值时，该像素点选取为样点；