[发明专利]介导现实中的视频物体阴影检测和消除方法及系统

权利要求书

1.一种介导现实中的视频物体阴影检测和消除方法，其特征在于，包括如下步骤：

步骤S1，利用深度摄像头拍摄视频图像，根据所述视频图像制作等比例模型，并使用反差大的单一颜色，注上标记点；

步骤S2，利用视景图像处理计算机输出所述等比例模型上的阴影图，并将所述阴影图发送至视频图像处理计算机上；

步骤S3，所述视频图像处理计算机采用基于阴影图的阴影检测方法，检测所述阴影图上的整个拍摄视频帧的阴影，其中，通过训练阴影样本得到模型参数，当全部像素均处理完则确定阴影模型，包括：在HSV颜色空间下，通过对阴影区域内各个像素点的H、S、V通道颜色值进行统计，与相应的非阴影区域进行直方图对比分析，基于统计信息在三个通道上分别建立独立的高斯模型，构建HSV颜色空间下的阴影高斯模型，通过训练阴影样本得到模型参数，当全部像素均处理完成后，确定阴影模型；

步骤S4，所述视频图像处理计算机采用基于颜色一致性的方法，消除所述步骤S3中检测到的阴影。

2.如权利要求1所述的介导现实中的视频物体阴影检测和消除方法，其特征在于，在所述步骤S3中，所述基于阴影图的阴影检测方法，包括如下步骤：

步骤S31，通过训练阴影样本得到模型参数，当全部像素均处理完则确定阴影模型；

步骤S32，计算当前像素与阴影模型在各个通道上的匹配程度，包括：在各个通道上计算当前像素与阴影模型的匹配程度，对各通道的匹配值进行加权，与预定阈值进行比较从而判定是否为阴影；

步骤S33，根据匹配程度判断当前像素是否属于物体本身还是阴影，如果是阴影则执行步骤S34，否则返回判断像素是否均处理完；

步骤S34，如果是阴影则更新所述阴影模型。

3.如权利要求1所述的介导现实中的视频物体阴影检测和消除方法，其特征在于，在所述步骤S4中，所述采用基于颜色一致性的方法，包括：

步骤S41，利用EMD算法计算阴影区域Ds和非阴影区域Dt集群中的最佳匹配距离，结合矢量量化对两集群进行线性优化；

步骤S42，将所述阴影区域Ds中每个集群的颜色转换成矢量，并计算其和非阴影区域Dt中对应的集群颜色距离的加权平均值；

步骤S43，根据上述两步对阴影区域的每个像素调整颜色，以使得阴影部分的颜色融合于整幅图像，在阴影边界处进行了颜色一致性处理，对边界及其所包围的阴影区域进行重新着色，以消除阴影。

4.一种介导现实中的视频物体阴影检测和消除系统，其特征在于，包括：虚拟现实头戴式设备、视景处理计算机、视频处理计算机、3D深度摄像头、模拟器操作仪表和显示屏，其中，虚拟现实头戴式设备与视景处理计算机连接，视景处理计算机和视频处理计算机连接，3D深度摄像头与视频处理计算机连接；模拟器操作仪表和显示屏与视景处理计算机连接，

其中，所述3D深度摄像头用于采集视频图像，根据所述视频图像制作等比例模型，并使用反差大的单一颜色，注上标记点；

所述视景处理计算机用于输出所述等比例模型上的阴影图，并将所述阴影图发送至视频处理计算机上；

所述视频处理计算机用于采用基于阴影图的阴影检测方法，检测所述阴影图上的整个拍摄视频帧的阴影，以及采用基于颜色一致性的方法，消除检测到的阴影，其中，视频处理计算机在HSV颜色空间下，通过对阴影区域内各个像素点的H、S、V通道颜色值进行统计，与相应的非阴影区域进行直方图对比分析，基于统计信息在三个通道上分别建立独立的高斯模型，构建HSV颜色空间下的阴影高斯模型，通过训练阴影样本得到模型参数，当全部像素均处理完成后，确定阴影模型。

5.如权利要求4所述的介导现实中的视频物体阴影检测和消除系统，其特征在于，所述视频处理计算机采用基于阴影图的阴影检测方法，包括：

所述视频处理计算机通过训练阴影样本得到模型参数，当全部像素均处理完则确定阴影模型；计算当前像素与阴影模型在各个通道上的匹配程度，包括：在各个通道上计算当前像素与阴影模型的匹配程度，对各通道的匹配值进行加权，与预定阈值进行比较从而判定是否为阴影；根据匹配程度判断当前像素是否属于物体本身还是阴影，如果是阴影则更新所述阴影模型。

6.如权利要求4所述的介导现实中的视频物体阴影检测和消除系统，其特征在于，所述视频处理计算机采用基于颜色一致性的方法，包括：利用EMD算法计算阴影区域Ds和非阴影区域Dt集群中的最佳匹配距离，结合矢量量化对两集群进行线性优化；将所述阴影区域Ds中每个集群的颜色转换成矢量，并计算其和非阴影区域Dt中对应的集群颜色距离的加权平均值；根据上述两步对阴影区域的每个像素调整颜色，以使得阴影部分的颜色融合于整幅图像，在阴影边界处进行了颜色一致性处理，对边界及其所包围的阴影区域进行重新着色，以消除阴影。