[发明专利]基于时空关系建模的移动阴影检测方法

权利要求书

1.基于时空关系建模的移动阴影检测方法，其特征在于：按如下步骤进行：

步骤1：初始化背景；

步骤2：读取当前帧；

步骤3：采用HSV法和LBP法的两步预处理；该步骤的具体方法为：使用mean-shift将当前处理图像进行区域分割，获得多个视频区域，然后分两步分别对颜色和纹理进行阴影区域与否的判断，从而得到初始阴影种子：

通过HSV颜色空间分离出当前处理图像的色度和强度，即获取当前处理图像的明暗信息；

通过LBP法获得当前处理图像的纹理信息；

设当前处理图像包含个i区域，i的取值由mean-shift算法确定，每个区域均由明暗信息和纹理信息描述，则区域i的HSV和LBP联合的阴影特征Q_i＝(H_i,S_i,V_i,L_i)，

其中：H_i、S_i、V_i表示区域i的三通道均值，L_i表示区域LBP特征向量；

若用C代表当前处理图像，用B代表背景，则：C中阴影区域可表示为和其对应的背景区域可表示为满足如下条件的即可选作侯选的阴影区域：

V_i^C表示的V均值，V_i^B则表示的V均值；τ_va、τ_vb、τ_s和τ_h是经验优化的阈值；表示的S均值，表示的S均值；表示的H均值，表示的H均值；

随后，对每一个区域作LBP直方图，得出特征向量；然后计算当前帧的区域LBP特征向量与对应的背景区域LBP特征向量的欧式距离，通过阈值τ_l判断，确定阴影区域：

步骤4：进行基于无强度阴影特征的似然概率计算；不考虑阴影特征的强度部分，这样就得到无强度的阴影特征，即对于第i个区域R_i，其无强度特征Q′_i＝{H_i,S_i,L_i}；R_i是指每个区域；

步骤5：进行帧内基于阴影特征 分项比较的先验概率计算；该步骤具体为：以区域R_j的标签A_j作为参考,R_j同于R_i的定义；则相对于R_j的标签是：

其中：‖·‖表示2-范式；θ(.)和η(.)是单改进的赫维赛德阶跃函数阶梯函数：

θ(.)表示为如果区域i和j的特征距离小于或等于ε_l，则返回值为1；若θ(.)大于ε_l，则为0；

η(.)表示为果区域R_i和R_j的亮度值的差小于或等于ε_v，则返回值为1；若η(.)大于ε_v，则为-1；

通过对当前区域R_i周围的多个相邻区域进行比较，得到相邻区域的判断标签；这些判断标签被赋值为-1、0或1；其中，1为阴影；-1为非阴影；0为不能确定；针对这些判断标签，统计阴影和非阴影标签的个数，可计算出作为阴影或非阴影的先验概率：

其中，函数为kronecker delta函数，表示如下：

先验概率ψ_i(A_i)即为帧内基于阴影特征分项比较的先验概率值；

步骤6：进行帧间基于区域面积加权的先验概率计算；该步骤具体为：假设：表示第t帧的特征值Q_i，得到与其对应范围内最接近的k个阴影区域距离之和

其中：d∈{1,-1}表示含有阴景和非阴影两个标签类集 合；w(i,j)表示为和的阴影特征距离加权系数；

以u_i表示的面积，以u_j表示的面积，则w(i,j)可按如下公式计算：

得到如下的阴影和非阴景先验概率

ξ_i(A_i)即为帧间基于区域面积加权统计的先验概率值；

步骤7：利用MRF模型计算阴影分割结果；该步骤具体为：

设全图像的区域集合为M，总个数为N，当前标签集合为其中(A′_i∈{-1,1},i＝1,2,…,N)；

目标是在已知观测数据A′的条件下，去求解最优的状态场也就是最大化有：

如果单一区域似然统计量用 表示，则可以推导出

假设帧内区域和帧间区域匹配得到的阴影与非阴影概率分别用ψ_i(A_i)和ξ_i(A_i)表示，那么可用两者加权之和βψ_i(A_i)+γξ_i(A_i)表示相邻区域关系并作为势函数，有：

这样可以得到视频帧的标签为：

表示整个帧各个区域阴影与否的标签集合，是待求的；

公式(15)可以简化为：

其中，α和δ是参数，表示似然能量和与先验能量的权重系数；花写的表示由A₁,A₂,…,A_N构成的集合；

步骤8：判断是否获得最佳分割；

如是，进入步骤9；

如不是，返回步骤4；

步骤9：输出当前帧的阴影检测结果；如处理完全部帧的处理，则退出操作；反之，读取下一帧并返回步骤3。