[发明专利]动态照明场景的图像背景减除

说明书

描述了非常适用于自主驾驶场景的背景减除方法和设备。该方法包括通过基于在不同照明条件下拍摄的多幅基线图像由正态模型构建正态背景图像来减小照度影响。通过从场景图像中按照像素(即，逐个像素地)减除正态背景图像来获得减除图像。场景图像可包含一个或多个前景对象。通过突出显示强度超过了正态模型中的预定标准偏差的减除图像中的像素来识别前景对象。可选择地利用照度不变色彩空间变换算法来进一步减小不同照度影响。

技术领域

本发明大体上涉及图像背景减除和前景对象的识别，并且尤其是涉及可靠背景减除的照度影响的减小。

背景技术

在许多自主驾驶场景中，稳健并且可靠的背景减除对于识别和跟踪对象是非常重要的。根据背景是静态还是动态，有很多种识别场景中的前景对象(或外来对象)的方法。例如，利用全局阈值的简单帧间差分法可以揭示静态背景中的外来对象，但是不会感应到违反静态背景减除的基本假设的现象(例如，具有静态无噪声背景的精确固定的摄像机)。在现实生活场景中，照度可能会发生变化(逐渐或突然)，背景可能包含移动对象(例如，阴影区域变化、风吹动树木)，以及摄像机可能会抖动等。现有的背景减除技术应对不同照明条件的能力差，从而导致在照明条件明显不同于参考照度时错误地识别前景对象。用于识别留在车辆中的对象的背景减除的特定应用是对共乘/叫车服务的车辆内部监测，在这种情况下，车辆内部的照明条件在例如车辆地板这样的位置24小时内可能会有很大不同。

发明内容

根据本发明，提供一种方法，包括：

接收包含背景和所关注的一个或多个前景对象的场景图像；

从正态模型投影正态背景图像，其中正态背景图像包含背景，但不包含一个或多个前景对象；

通过从场景图像中按照像素减除正态背景图像来生成减除图像；以及

基于预定标准偏差阈值来突出显示减除图像中的多个像素。

根据本发明的一个实施例，正态背景图像包括多个背景像素，并且正态模型包括与正态背景图像中的背景像素中的每个背景像素相关的像素强度数据的相应平均值和标准偏差。

根据本发明的一个实施例，方法进一步包括：

基于分别在多种照明条件下拍摄到的多幅基线图像来构建正态模型，其中每一幅基线图像包含背景，但不包含一个或多个前景对象。

根据本发明的一个实施例，构建正态模型包括：

确定多组背景像素的像素强度数据，每组背景像素构成基线图像中的相应基线图像；

获得背景像素中的每个背景像素的像素强度数据的平均值；以及

获得背景像素中的每个背景像素的像素强度数据的标准偏差。

根据本发明的一个实施例，基于预定标准偏差阈值来突出显示减除图像中的像素包括：突出显示像素的相应像素强度数据超过了预定标准偏差阈值的减除图像中的像素。

根据本发明的一个实施例，接收场景图像包括：评估场景图像的照明条件以便投影正态背景图像以及确定预定标准偏差阈值。

根据本发明，提供一种方法，包括：

接收包含背景和所关注的一个或多个前景对象的场景图像；

从正态模型投影正态背景图像，其中正态背景图像包含背景，但没有一个或多个前景对象；

利用照度不变色彩空间变换算法将场景图像转换成第一照度不变图像；

利用照度不变色彩空间变换算法将正态背景图像转换成第二照度不变图像；

通过从场景图像中按照像素减除正态背景图像来生成第一减除图像；