[发明专利]一种去除多运动物体阴影的方法

说明书

本发明公开了一种去除多运动物体阴影的方法，本方法包括视频图像预处理阶段、提取多运动物体前景阶段、视频图像后处理阶段和去除阴影阶段。本方法主要应用于智能监控下运动的行人和车辆检测，检测方法为：先通过预处理将视频图像压缩和灰度化，然后由视频图像像素点建立背景模型并与当前帧比较获取前景目标，再将灰度图中的目标前景映射到改进连通域标记过的视频图像中，最后将映射的每一个目标连通区域分别通过基于聚类分割法去除阴影。本方法能够有效去除智能视频监控中行人和车辆的阴影，同时满足实时性和准确性的要求。

技术领域

本发明涉及一种去除多运动物体阴影的方法，尤指在智能交通监控领域观测行人与车辆行为规范时，去除多运动目标图像阴影的方法。

背景技术

近些年私家车激增，交通事故频发，其中很重要的一个原因是行人和车辆不注意自己的行为规范，比如无视红绿灯、不按规定走自己的车道等。为解决此类问题，智能交通监控的研究日渐成熟。

在具体的研究行人和车辆是否按规定道路行走和驾驶时，智能交通监控可以很好地跟踪运动目标的轨迹。但是有时候在评价行为规范时也会存在误判，例如当行人没有走在斑马线上而阴影投射到斑马线时，会造成误判(认为此时行人遵守了交通规则)。基于此类情况多运动目标在跟踪时去除其阴影非常有必要。目前常用的阴影检测和去除的方法有三种：

(1)基于颜色的阴影去除。利用阴影颜色和亮度的特性，通常在RGB、HSV、HIS的空间进行转换和组合来检测和去除阴影。但是颜色特性对光照较为敏感，容易产生误判。

(2)基于纹理的阴影去除。利用阴影和运动目标纹理特征不同的特性来检测和去除阴影。但是有些纹理特性不明显，不能达到区分运动目标和阴影的目的。

(3)基于模型的阴影去除。利用阴影的特性，建立阴影模型，但是模型建立比较困难且计算复杂，不能达到智能交通检测的实时性。

综上来看，上述三种方法对阴影的处理效果都有一定的局限性，尤其在解决智能交通监控检测行人和车辆行为是否规范问题上效果不是很好，所以去除阴影仍然是一个难点，值得研究。

发明内容

为解决上述存在的问题，本发明提供了一种基于聚类分割的多运动物体分别去除阴影的方法。

为了实现在智能交通监控中去除行人和车辆阴影的效果，本发明提供的一种去除多运动物体阴影的方法，包括视频图像预处理阶段、提取运动物体前景阶段、视频图像后处理阶段和去除阴影阶段。

其中视频图像预处理阶段包括如下步骤：

(1)输入一段运动视频，将视频按帧分割为单帧图像；

(2)对单帧图像进行灰度化处理；

提取运动物体前景阶段包括如下步骤：

(1)对灰度化后的单帧图像逐一进行提取，对单帧图像中的每个像素点建立背景模型，不同单帧图像中同样位置的每一个像素点采用相同的背景模型，像素点的背景模型是由N个样本值组成的样本集合M，这N个样本值均已判为背景点；

(2)通过从样本集合M中随机选取m个采样点作为样点，计算当前像素点x与样点间的距离ρ；

(3)统计ρR的采样点个数K，若K大于等于某一阈值，该像素点属于背景点，否则不是背景点，这样获取运动目标前景并转为二值图像，R为设定的距离；

视频图像后处理阶段包括如下步骤：

(1)对包含噪声以及运动物体阴影的二值图像进行形态学处理，去除噪声；

(2)将形态学处理过的二值图像用连通域标记的方法确定运动物体的位置；

(3)把视频图像预处理阶段中灰度化单帧图像运动目标前景映射到连通域处理后的二值图像中；