一种自适应的运动目标阴影检测算法_张锦雄

duoduo111

贡献于2016-11-29

字数:0 关键词: 图形/图像处理

Computer Engineering and Applications 计算机工程与应用2008, 44( 4) 在智能视频监控、交通监控或视频会议等很多应用中, 必 须将运动目标从它的阴影中分离出来[1]。阴影和目标物一样显 著区别于背景, 和目标有同样的运动规律, 使得阴影检测成为 一个有待解决的难题。 目前阴影检测的方法主要有基于模型[1]的方法和基于特征[2] 的方法。基于模型的方法根据有关场景、目标的三维几何结构 和光源的已知信息建立一个阴影的统计模型, 根据此模型来判 别阴影区域, 这些信息在实际应用均不易得到, 所以这类方法 局限性较大, 算法的时间复杂度较高。 基于特征的方法一般直接采用图像的特征, 如亮度、色度 和饱和度等信息进行判断。现有的特征方法集中在 RGB 空间 或 HSV 空间, 计算每个像素点的特征信息, 和相应背景点比 较, 判断是否阴影。现有方法基本上采用固定的阈值进行特征 判断, 当图像背景发生改变时, 缺乏适应性和准确性; 另外, 现 有方法未考虑特征信息的权值, 如 HSV 空间中, H 分量、S 分 量、V 分量在实际中权值是不一样的。 本文提出一种基于 Otsu 的自适应的 HSV 颜色空间阴影 检测算法。首先得到前景区域和背景区域的 HSV 差分图和差 分直方图, 用 Otsu 方法确定差分图中目标物体和阴影分离的 阈值, 再对 H、S、V 分量进行加权, 从而准确地检测阴影。Otsu 方法确定阈值, 具有适应性特点, 对各分量加权, 提高了检测的 精度。本文算法的基本结构如图 1。 1 HSV 颜色空间检测阴影 首先用帧差法或背景差法取得前景区域, 大大减少了处理 的像素个数, 从而成倍缩短算法处理时间。有关帧差法、背景帧 减法和背景更新模型请参考相关文献。 一种自适应的运动目标阴影检测算法 张锦雄, 张基宏, 郭 森 ZHANG Jin- xiong, ZHANG Ji- hong, GUO Sen 1.深圳大学 信息工程学院, 广东 深圳 518060 2.深圳信息职业技术学院, 广东 深圳 518029 1.Department of Information Engineering, Shenzhen University, Shenzhen, Guangdong 518060, China 2.Shenzhen Institute of Information Technology, Shenzhen, Guangdong 518029, China E- mail: zhjx2314@163.com ZHANG Jin- xiong, ZHANG Ji- hong, GUO Sen.Adaptive motion object shadow detection algorithm.Computer Engineering and Applications, 2008, 44( 4) : 56- 58. Abstract: Through the analysis of video image in the HSV difference image and its difference histogram, based on pixels distribution characteristic of the object and the shadow, a new adaptive shadow detection algorithm based on Otsu method is proposed in this paper.And the experimental results show that this method can detect motion object shadows efficiently, accurately and is usable. Key words: shadow detection; HSV color space; maximal variance between clusters 摘 要: 在分析视频图像 HSV 差分图和差分图直方图的基础上, 根据差分直方图中目标与阴影的像素分布特点, 提出了一种基于 最大类间方差的自适应加权阴影检测算法。实验表明, 该算法具有检测精度高、效果好、适应性强和易于工程实现的特点。 关键词: 阴影检测; HSV 颜色空间; 最大类间方差( Otsu) 文章编号: 1002- 8331( 2008) 04- 0056- 03 文献标识码: A 中图分类号: TP751 基金项目: 深圳市财政局、深圳市科技和信息局资助项目( the Shenzhen Finance Bureau、Technical and Information Bureau Foundation of China under Grant NO.SZKJ0501) 。 作者简介: 张锦雄( 1982- ) , 男, 硕士研究生, 主要研究领域为数字图像处理、智能视频和模式识别; 张基宏( 1964- ) , 男, 教授, 博士, 主要研究方向 为数据压缩、数字信号处理; 郭森( 1970-) , 男, 讲师, 博士, 主要研究领域为图像处理、模式识别、粗糙集及数据挖掘等。 收稿日期: 2007- 05- 25 修回日期: 2007- 08- 07 56 2008, 44( 4) 然后, 计算前景区域和相应背景区域的 HSV 各分量的差, 通过阈值来检测阴影。现有方法用到的阈值获取方法均来自实 验结果, 并不具有适应性和精确性。 1.1 颜色空间转换 由于一般视频采集卡得到的帧图像采用 RGB 颜色模型, 因 此需要把 RGB 模型转换成 HSV 颜色空间模型, 具体算法如下[2]: v= 1 3 ( R+G+B) ( 1) s=1- 3 R+G+B min( R, G, B) ( 2) h=COS-1 ( R- G) +( R- B) 2Sqrt( ( R- G) *( R- G) +( R- B) *( G- B) ) ( 3) 其中式( 3) 的 R≠B 或 G≠B。 式( 1) 的 V 分量计算过程实际上是对彩色图像进行灰度 化的过程, 为了在视觉上更接近人的主观感觉, 通常给 RGB 分 量各自增加一个加权系数, 然后求其和: v=0.229*R+0.587*G+0.114*B ( 4) 1.2 基于色度信息的阴影检测 与背景相比较, 阴影区域的色度信息不变或只有轻微变 化, 利用 HSV 颜色空间的色度信息, 认为色度变化很小或不变 的区域可能为阴影, 基于色度的阴影检测为 sh( x, y) = 1 |hf( x, y) - hb( x, y) |

下载文档,方便阅读与编辑

文档的实际排版效果,会与网站的显示效果略有不同!!

需要 10 金币 [ 分享文档获得金币 ] 0 人已下载

下载文档

相关文档