[发明专利]基于时空关系建模的移动阴影检测方法

说明书

目前的移动阴影检测算法检测结果不够理想的问题，本发明提供基于时空关系建模的移动阴影检测方法，该方法利用HSV颜色空间和LBP纹理特征相结合的阴影特征，在阴影区域两步预检测的基础上，通过计算区域阴影程度的似然概率和其在帧内相邻域基于阴影特征两步特征分项比较和帧间相邻区域基于区域面积加权相结合得到的先验概率，实现基于马尔可夫随机场的迭代优化式阴影区域分割求解。实验结果表明，对于视频中移动阴影的检测，该方法有很好的效果。

技术领域

本发明属于图像处理技术领域，具体涉及基于时空关系建模的移动阴影检测方法。

背景技术

阴影在视频中常伴着运动目标一起出现，可以反映出前景目前的运动特征；作为一种和前景目标一起运动的伴随物，阴影也常因难以与前景区分而影响视频目标检测、跟踪和识别等的效果。因此，有效的检测识别视频中的前景目标阴影是非常重要和有意义的。根据所在位置，阴影可分为两类：一种是因物体本身部分未受光照而形成的自阴影(self-shadow)；另外一种是光被物体遮挡后在背景区域产生的投射阴影(cast shadow)。本发明主要是针对后者——投射阴影，特别的，本发明研究视频中伴着移动物体产生时的投射阴影即移动阴影的检测问题。

移动阴影检测在国内外学者已经研究多年。从刚开始采用单一的颜色信息，到几何、纹理与颜色等多种信息组合，再到物理模型、深度学习，阴影检测的研究愈发深入，但要得到一个鲁棒的解决方案并非易事。相较针对图像的阴影检测，视频特有的时间信息常常被忽略。即使考虑时间关系，也多采用直接阈值类直观的方法或者将阴影检测和前景检测都要考虑的三分割方法，存在适应性差和前景阴影相互影响的现象，因此，还缺少有效根据时空特征实现专门针对阴影区域的检测方法。

发明内容

本发明从能量优化的角度，引入时空约束，提出了一种基于时空关系建模的移动阴影检测方法。该方法运用HSV颜色空间和LBP相结合纹理特征，在新的两步阴影区域预检测的基础上，将无亮度的阴影特征用于似然概率计算，并与相邻区域的同一帧内基于阴影特征分项比较的先验概率和相邻帧间基于区域面积加权的先验概率计算相结合，运用马尔可夫随机场(Markov random field，MRF)进行优化求解，实现移动阴影的优化检测。本发明具体如下：

基于时空关系建模的移动阴影检测方法，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：

表示的V均值，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；