高東旭，曹江濤，李 平

（遼寧石油化工大學(xué) 信息與控制工程學(xué)院,遼寧 撫順 113001）

基于HSV空間陰影去除方法研究與應(yīng)用

高東旭，曹江濤，李 平

（遼寧石油化工大學(xué) 信息與控制工程學(xué)院,遼寧 撫順 113001）

在智能視頻監(jiān)控系統(tǒng)中，運(yùn)動(dòng)陰影如果被誤判為運(yùn)動(dòng)目標(biāo)，將會(huì)影響到場(chǎng)景中運(yùn)動(dòng)目標(biāo)的準(zhǔn)確提取、跟蹤和預(yù)測(cè)。針對(duì)這一問題，設(shè)計(jì)了一種基于HSV顏色空間的陰影去除方法。方法首先將背景差法和三幀差分法相結(jié)合，用于提取運(yùn)動(dòng)目標(biāo)，再將提取的含有陰影的運(yùn)動(dòng)目標(biāo)區(qū)域映射到其HSV色彩空間，通過與背景和相鄰幀的亮度、飽和度比較，實(shí)現(xiàn)對(duì)陰影區(qū)域的檢測(cè)和去除,處理過程中無需提前確定特征判別參數(shù)。將所設(shè)計(jì)的方法在標(biāo)準(zhǔn)高速公路視頻數(shù)據(jù)庫中進(jìn)行測(cè)試并應(yīng)用于實(shí)時(shí)的視頻監(jiān)控系統(tǒng)，驗(yàn)證結(jié)果表明該方法能更加有效的消除陰影，從而準(zhǔn)確的檢測(cè)出運(yùn)動(dòng)目標(biāo)，同時(shí)方法對(duì)光線變化具有一定的魯棒性。

視頻監(jiān)控；運(yùn)動(dòng)目標(biāo)檢測(cè)；實(shí)時(shí)；HSV顏色空間；陰影消除

陰影與運(yùn)動(dòng)目標(biāo)具有相同的運(yùn)動(dòng)性質(zhì)，但其紋理特征、邊緣輪廓以及亮度等信息卻有較大的區(qū)別。目前的陰影檢測(cè)方法主要從以下兩方面入手：一類是基于陰影的模型的方法[1],其原理是通過建立一個(gè)陰影的統(tǒng)計(jì)模型來判斷圖像內(nèi)像素點(diǎn)是否為陰影區(qū)域；另一類是基于特征的方法[2]，其原理是通過采用圖像的色調(diào)、顏色、亮度、灰度等信息來進(jìn)行判斷。由于建立陰影模型通常比較復(fù)雜而困難，而且耗時(shí)大，因此在實(shí)時(shí)的智能視頻監(jiān)控系統(tǒng)中都是采用基于特征的方法來進(jìn)行陰影消除。

在不同的顏色空間，陰影與運(yùn)動(dòng)目標(biāo)具有不同的特性：張超等采用了一種基于RGB色彩空間的陰影檢測(cè)方法[3]，在RGB（紅、綠、藍(lán)）色彩空間中，任何一種顏色都可由RGB三原色按一定的比例構(gòu)成，陰影也是有顏色的，但是當(dāng)運(yùn)動(dòng)目標(biāo)和陰影具有相同的顏色時(shí)，采用這種方法則不能很好的分離出運(yùn)動(dòng)目標(biāo)的陰影；王小鵬等采用的是基于圖像的灰度變化進(jìn)行陰影檢測(cè)的方法[4]，但在運(yùn)動(dòng)目標(biāo)與陰影的灰度值相似時(shí)很難確定準(zhǔn)確的閾值來區(qū)分運(yùn)動(dòng)目標(biāo)和陰影；Rahmat等采用了基于YUV色彩空間的陰影檢測(cè)的方法[5]，YUV空間的亮度分量（Y）和兩個(gè)色度分量（U、V）是獨(dú)立的，YUV空間的陰影消除算法通過計(jì)算3個(gè)差值函數(shù)：亮度差值函數(shù)、色度差值函數(shù)、梯度差值函數(shù)來判斷是否為陰影，雖然檢測(cè)性能較好，但算法復(fù)雜，而且有較多的閾值需要確定，因而不適合用于實(shí)時(shí)的智能監(jiān)控系統(tǒng)；Norbert等提到了一種基于HSV（色度、飽和度、亮度）色彩空間的陰影去除的方法[6]，因?yàn)镠SV色彩空間采用的是色彩的色度、飽和度及亮度等信息，直接與人的視覺感知方式緊密相連，因而更能精確的反應(yīng)出運(yùn)動(dòng)目標(biāo)與陰影的色彩和灰度信息。

針對(duì)以往方法中只采用當(dāng)前幀與背景亮度的比例閾值來確定陰影區(qū)域，而沒有考慮在不同的背景、不同的光照強(qiáng)度下比例閾值發(fā)生變化且難以確定的問題，文中提出了一種基于HSV色彩空間的運(yùn)動(dòng)目標(biāo)陰影去除方法，在以往的陰影去除方法基礎(chǔ)上，加入了當(dāng)前幀與前一幀亮度的差值變化，并將比例閾值固定，在標(biāo)準(zhǔn)的視頻數(shù)據(jù)庫上和實(shí)時(shí)的智能視頻監(jiān)控系統(tǒng)中分別進(jìn)行了測(cè)試，驗(yàn)證了方法的有效性。

1 運(yùn)動(dòng)目標(biāo)檢測(cè)方法

本文的運(yùn)動(dòng)目標(biāo)檢測(cè)采用的方法融合了背景差法與三幀差分法。背景差法的基本思想是首先獲取一個(gè)參考背景圖像，然后將當(dāng)前幀圖像與參考背景進(jìn)行比較，通過一定的閾值分割出前景運(yùn)動(dòng)目標(biāo)，其優(yōu)點(diǎn)是不受運(yùn)動(dòng)目標(biāo)移動(dòng)速度影響，但是對(duì)場(chǎng)景中光照等無關(guān)干擾比較敏感；幀差法的基本思想把相鄰幀相減，再通過閾值化方法濾除當(dāng)前幀的靜止目標(biāo)，從而提取出運(yùn)動(dòng)目標(biāo)，三幀差分法是幀差法的改進(jìn)，其基本思想是分別對(duì)連續(xù)兩幀進(jìn)行差分，再將得到的兩幅差分圖像進(jìn)行融合從而得到運(yùn)動(dòng)目標(biāo)，其優(yōu)點(diǎn)是對(duì)環(huán)境的光線變化不敏感，且能快速地檢測(cè)出運(yùn)動(dòng)目標(biāo)，對(duì)于背景的光線等變化具有良好的適應(yīng)性，并消除了傳統(tǒng)幀差法的“拖尾”現(xiàn)象，缺點(diǎn)是對(duì)于運(yùn)動(dòng)過快或過慢的運(yùn)動(dòng)目標(biāo)誤檢率高，且容易丟失信息。因而本文通過將兩種方法結(jié)合來實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)，實(shí)現(xiàn)算法簡(jiǎn)單，計(jì)算量小，并將兩種方法優(yōu)勢(shì)互補(bǔ)，能較好的檢測(cè)出運(yùn)動(dòng)目標(biāo)，且對(duì)光照變化具有良好的適應(yīng)性。

運(yùn)動(dòng)目標(biāo)檢測(cè)的算法流程如圖1所示。

圖1 提取運(yùn)動(dòng)目標(biāo)流程圖Fig.1 Flowchart of the moving target extraction

由于獲取的視頻序列為RGB圖像，因此需要將背景、當(dāng)前幀、前一幀圖像均轉(zhuǎn)到HSV空間及灰度圖像，并計(jì)算當(dāng)前幀與背景幀的亮度比值和當(dāng)前幀與前一幀的的亮度差值，本文在背景差法的同時(shí)獲得當(dāng)前幀與背景幀的亮度比例值，根據(jù)這個(gè)比例值對(duì)由背景差法獲得的運(yùn)動(dòng)區(qū)域進(jìn)行陰影去除得到一個(gè)運(yùn)動(dòng)目標(biāo)區(qū)域；在幀差法的同時(shí)獲得連續(xù)兩幀的亮度差值，根據(jù)差值對(duì)由幀差法獲得的運(yùn)動(dòng)區(qū)域進(jìn)行陰影去除,得到一個(gè)運(yùn)動(dòng)目標(biāo)區(qū)域，將兩個(gè)運(yùn)動(dòng)目標(biāo)區(qū)域相與,得到最終的去除陰影后的運(yùn)動(dòng)目標(biāo)區(qū)域。運(yùn)動(dòng)目標(biāo)檢測(cè)的具體步驟為：

1）獲取RGB背景圖像，并將背景圖像轉(zhuǎn)換為HSV背景圖像和灰度圖像并分別存儲(chǔ)。

2）獲取連續(xù)三幀圖像并分別將三幀圖像轉(zhuǎn)換為HSV圖像和灰度圖像并分別存儲(chǔ)。

3）分別計(jì)算當(dāng)前幀的亮度值與背景幀的亮度值的比例值P和當(dāng)前幀與前一幀的差值M。

4）計(jì)算當(dāng)前幀灰度圖像與背景灰度圖像的差分圖像，再通過一定的閾值將圖像二值化，并通過 節(jié)中的判別條件，得到去除陰影后的運(yùn)動(dòng)目標(biāo)圖像I(k)。

5）計(jì)算當(dāng)前幀與前一幀灰度圖像的差分圖像△I1(k),后一幀與當(dāng)前幀灰度圖像的差分圖像△I2(k)，兩差分圖像相與后再通過一定的閾值將圖像二值化得到運(yùn)動(dòng)目標(biāo)區(qū)域，并通過4節(jié)中的判別條件，得到去除陰影后的運(yùn)動(dòng)目標(biāo)圖像I(k)。

6）融合I(k)與I(k)后，得到最終的運(yùn)動(dòng)目標(biāo),并更新背景。

2 傳統(tǒng)陰影檢測(cè)方法

陰影是光源沒有直接照射到物體表面而形成的暗區(qū)域，可分為物體的自身陰影和物體的投射陰影。當(dāng)目標(biāo)移動(dòng)時(shí)，投射陰影即為運(yùn)動(dòng)陰影，因此，本文主要分析的是投射陰影。投射陰影具有像素的亮度值低于非陰影區(qū)域的亮度值，而飽和度和色度變化微小等特點(diǎn)，運(yùn)動(dòng)目標(biāo)的投射陰影的詳細(xì)介紹參見文獻(xiàn)[7]，由于本文的主要工作是去除運(yùn)動(dòng)目標(biāo)的投射陰影，因此需要一個(gè)判別方法來描述運(yùn)動(dòng)區(qū)域的投射陰影，而不考慮場(chǎng)景中靜止物體的陰影。

在有光照的條件下，物體表面的一點(diǎn)如果是投射陰影，則它可由式(1)來描述：

其中，SK表示在 K 時(shí)刻，坐標(biāo)為（x，y）點(diǎn)的亮度，ρK(x,y)為該點(diǎn)的反射系數(shù)，在背景固定不變的情況下，則認(rèn)為背景點(diǎn)與被檢測(cè)點(diǎn)的反射系數(shù)相等，即

EK為光照強(qiáng)度，可表示為：

其中CA為點(diǎn)光源強(qiáng)度，CP為散射強(qiáng)度，L為光源方向，N為表面法向量。

經(jīng)典的HSV空間陰影檢測(cè)方法通過計(jì)算被檢測(cè)點(diǎn)與背景點(diǎn)的強(qiáng)度比值來衡量是否為陰影，即

由式(2)可將(4)式簡(jiǎn)化為

人們通過視覺系統(tǒng)感知能清晰地了解陰影具有的特征：一方面，陰影的亮度總是比其投射到的背景區(qū)域的亮度值低；另一方面，陰影與投射它的物體相連通，運(yùn)動(dòng)狀態(tài)一致。由此，經(jīng)典的HSV色彩空間陰影去除方法利用HSV彩色信息的色度、飽和度與亮度信息消除陰影的判別函數(shù)如式(6)所示：

3 改進(jìn)的陰影檢測(cè)方法

以往的HSV空間陰影檢測(cè)算法對(duì)監(jiān)控環(huán)境的假設(shè)條件為固定的靜態(tài)背景，這樣才能保證被判斷的點(diǎn)的反射系數(shù)與背景保持不變，而本文改進(jìn)的算法中加入了當(dāng)前幀與前一幀的亮度差值變化這一條件，且固定V通道判別條件閾值。在背景有變化的情況下，被判斷的點(diǎn)的反射系數(shù)也會(huì)與前一幀被判斷點(diǎn)的反射系數(shù)幾乎相等。

由于H分量與S分量對(duì)陰影的判別影響不明顯，通過比較HSV空間中的各個(gè)分量變化趨勢(shì)，V分量顯然能很好的作為判別陰影的主要因素，且可以忽略H分量和V分量的判別條件。因此，本文提出了一種新的陰影的判別函數(shù)如式（7）所示：

除了以上提到的某像素點(diǎn)的亮度值在有陰影時(shí)與背景的亮度值不同這個(gè)因素外，還存在兩種主要因素使某一像素點(diǎn)的亮度值發(fā)生變化：一種是由于不同的目標(biāo)的亮度值不同（如天空、樓宇、樹枝等）；另一種則是因?yàn)樵诙虝r(shí)間內(nèi)，物體在某一像素點(diǎn)的投影會(huì)隨著物體的運(yùn)動(dòng)發(fā)生變化，為此，文中在以往只是采用當(dāng)前幀與背景幀的亮度值變化來判斷陰影區(qū)域的條件外，加入了當(dāng)前幀的亮度與前一幀的亮度差值這一條件，并固定了亮度閾值，無需在不同的條件下確定不同的閾值，減少了工作量且使處理速度更快，滿足實(shí)時(shí)性的要求。

為了系統(tǒng)地評(píng)價(jià)陰影檢測(cè)方法的性能，文中引入了一種量化的評(píng)價(jià)方法，即陰影檢測(cè)算法的好壞可以由陰影檢出率和陰影誤檢率來衡量：陰影的檢出率意味著應(yīng)該使陰影點(diǎn)被判為前景或背景(即陰影點(diǎn)被判做非陰影點(diǎn))的概率盡量小,即正確檢測(cè)陰影的概率應(yīng)該盡量大；陰影的誤檢率意味著前景點(diǎn)或背景點(diǎn)被判為陰影點(diǎn)的概率也應(yīng)當(dāng)盡量小。即：

式(8)中，TP是場(chǎng)景中運(yùn)動(dòng)陰影區(qū)域的真實(shí)點(diǎn)數(shù)，F(xiàn)N是陰影點(diǎn)被誤判為前景或背景的點(diǎn)數(shù)；FP是前景或背景被誤判為陰影的點(diǎn)數(shù)。

4 實(shí)驗(yàn)結(jié)果分析

本文采用Visual C++6.0搭配OpenCV1.0的模式搭建開發(fā)平臺(tái)，運(yùn)用VC中的MFC框架設(shè)計(jì)系統(tǒng)的主體對(duì)話框界面，調(diào)用OpenCV中的庫函數(shù)讀取視頻序列，再調(diào)用VC和OpenCV中的庫函數(shù)編譯代碼對(duì)視頻數(shù)據(jù)進(jìn)行處理，OpenCV是開源的計(jì)算機(jī)視覺庫，與Matlab等圖像處理工具相比，具有處理速度快、源代碼完全開放、平臺(tái)無關(guān)性等優(yōu)勢(shì)，方便用于實(shí)時(shí)的智能視頻監(jiān)控系統(tǒng)中。

本文的實(shí)驗(yàn)結(jié)果采用的視頻文件是ATON項(xiàng)目的標(biāo)準(zhǔn)實(shí)驗(yàn)視頻 highwayI，分辨率為 320240，幀率為 15 fps的 AVI格式視頻。將本文采用的非參數(shù)判別方法與與經(jīng)典的需要確定參數(shù)的方法在標(biāo)準(zhǔn)數(shù)據(jù)庫 (高速公路視頻)中進(jìn)行測(cè)試對(duì)比，結(jié)果如圖2所示。

圖2 高速公路的陰影消除結(jié)果Fig.2 Shadow elimination results of highway

圖2(a)顯示的為高速公路視頻文件隨機(jī)選擇的其中一幀圖像，圖2(b)為未去除陰影的運(yùn)動(dòng)目標(biāo)檢測(cè)圖像，圖2(c)為采用經(jīng)典的HSV陰影去除方法去除陰影后的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果(試驗(yàn)的方式選擇的最佳參數(shù)：其中設(shè)為0.05，設(shè)為0.35)，圖2(d)為本文方法去除陰影的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果。

從圖4中可以看出，本文采用的陰影消除算法，在能夠準(zhǔn)確地檢測(cè)到運(yùn)動(dòng)目標(biāo)的同時(shí)消除了陰影，而且運(yùn)動(dòng)目標(biāo)的物理原型比經(jīng)典的HSV陰影消除方法更為完整。

利用式(8)的計(jì)算方法可以得到高速公路視頻檢測(cè)結(jié)果的檢出率與誤檢率如表1所示。

表1 高速公路的檢出率與誤檢率Tab.1 The detection rate and false detection rate of highway

由表 可以看出采用本文的改進(jìn)方法使用標(biāo)準(zhǔn)數(shù)據(jù)庫進(jìn)行測(cè)試的結(jié)果，本文的方法檢出率有所提高且誤檢率有所減低，因此本文的方法在標(biāo)準(zhǔn)測(cè)試視頻的環(huán)境中要優(yōu)于傳統(tǒng)的方法。

為了說明本文采用的方法的實(shí)用性，還將本文的方法應(yīng)用在了實(shí)時(shí)的校園智能視頻監(jiān)控系統(tǒng)中，采用的是學(xué)校圖書館門外的實(shí)時(shí)監(jiān)控系統(tǒng)數(shù)據(jù)，分辨率為704480，幀率為25 fps。本文的方法與傳統(tǒng)的方法比較結(jié)果如圖3所示。

圖3 圖書館的陰影消除結(jié)果Fig.3 Shadow elimination results of Library

圖3(a)顯示的為圖書館場(chǎng)景中隨機(jī)選擇的其中一幀圖像，圖3(b)為未去除陰影的運(yùn)動(dòng)目標(biāo)檢測(cè)圖像，圖3(c)為采用經(jīng)典的HSV陰影去除方法去除陰影后的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果，圖3(d)為本文方法去除陰影的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果。

從圖3中可以看出，本文采用的陰影消除算法，在實(shí)時(shí)的監(jiān)控系統(tǒng)中圖能夠準(zhǔn)確地檢測(cè)到運(yùn)動(dòng)目標(biāo)的同時(shí)消除了陰影，而且運(yùn)動(dòng)目標(biāo)的物理原型比經(jīng)典的HSV陰影消除方法更為完整。

按照式(8)的計(jì)算方法來計(jì)算檢出率與誤檢率，本文采用的方法與傳統(tǒng)方法在圖書館監(jiān)控場(chǎng)景中的檢出率與誤檢率如表2所示。

表2 圖書館的檢出率與誤檢率Tab.2 The detection rate and false detection rate of library

由表2可以看出，本文中的方法檢出率高于經(jīng)典方法且誤檢率也有所減少，因此本文方法在實(shí)時(shí)監(jiān)控場(chǎng)景中也優(yōu)于傳統(tǒng)的方法。

采用本文方法快速簡(jiǎn)單，不需要確定閾值，有效地解決了經(jīng)典方法閾值難以確定的問題，且能適應(yīng)不同背景的陰影消除，另外，本文的方法在MFC框架下，通過調(diào)用OpenCV函數(shù)來實(shí)現(xiàn)，并可以在實(shí)時(shí)的智能視頻監(jiān)控系統(tǒng)中進(jìn)行應(yīng)用，從而使實(shí)時(shí)智能視頻監(jiān)控的跟蹤、行為分析的結(jié)果更準(zhǔn)確。由此可見，本文提出的方法是可行的，且具有較強(qiáng)的應(yīng)用價(jià)值。

5 結(jié)束語

本文分析了陰影與運(yùn)動(dòng)目標(biāo)在HSV空間中三個(gè)分量的變化趨勢(shì)，針對(duì)以往的HSV空間去除陰影針對(duì)不同場(chǎng)景需要確定不同閾值的問題，提出了一種融合背景差與三幀差分法在HSV色彩空間特征判別的陰影去除方法，其最大的特點(diǎn)是陰影的判別條件簡(jiǎn)單，且不需要計(jì)算參數(shù)，運(yùn)算速度快，能夠滿足實(shí)時(shí)智能視頻監(jiān)控系統(tǒng)的要求，且能夠適應(yīng)不同場(chǎng)景中的陰影檢測(cè)，得到較好的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果，具有很高的實(shí)用價(jià)值。本文下一步工作將研究HSV顏色空間中亮度降低到一定程度后的應(yīng)用問題，并將本文方法應(yīng)用到實(shí)際的智能視頻監(jiān)控中。

[1]LIU Zhou,HUANG Kai-qi,TAN Tie-niu;Cast Shadow Removal in a Hierarchical Manner Using MRF[C].IEEE Transactions on Circuits and Systems for Video Technology,2012.

[2]YUAN Jin-juan,WU Jin,CHENG Yan-hu.Shadow detecting algorithms research for moving objects base on self-adaptive background[C].Proceedings of International Conference on Modeling Identification&Control(ICMIC),2012:197-200.

[3]張超,林鵬,趙宇明.基于物理特性和形態(tài)學(xué)方法的陰影去除算法[J].計(jì)算機(jī)工程,2012,38(10):131-133.

ZHANG Chao,LIN Peng,ZHAO Yu-ming.Shadow removal algorithm based on physical features and morphological method[J].Computer Engineering,2012,38(10):131-133.

[4]王小鵬,郭莉瓊.公路車流量視頻檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用,2012,32(6):1585-1588.

WANG Xiao-peng,GUO Li-qiong.Video-based method for highway traffic flow detection [J].Journal of Computer Applications,2012,32(6):1585-1588.

[5]Rahmat R W,Al-Tairi Z H,Saripan,M I.Sulaiman,P.S.Removing Shadow forHand Segmentation Based on Background Subtraction [C]//International Conference on Advanced Computer Science Applications and Technologies(ACSAT),2012.481-485

[6]Buch N,Velastin S A,Orwell J.A Review of Computer Vision Techniques for the Analysis of Urban Traffic[C]//IEEE Transactions on Intelligent Transportation Systems，2011,12(3):920-393.

[7]Porikli F,Thornton J.Shadow Flow:A Recursive Method to Learn Moving Cast Shadows[C].International Conference on Computer Vision(ICCV),2005:891-898.

Study and application of removing the shadow based on the HSV color space

GAO Dong-xu,CAO Jiang-tao,LI Ping
（School of Information and Control Engineering,Liaoning Shihua University，F(xiàn)ushun 113001,China）

In video surveillance system,if the moving shadows are misclassified as the moving objects,the accuracy of moving object extraction,tracking and forecast can hardly be guaranteed.For dealing with this problem,a new method is proposed to remove the moving cast shadows based on HSV color space.Firstly,the moving objects is extracted through a fusion three frame difference and background subtraction method.Secondly,the extracted area is projected into the HSV color space.By comparing the luminance and saturation in motion region of the previous frame and the background,the moving shadows are detected and eliminated without predetermining the parameters.The proposed method is tested in the standard highway video dataset and implemented in the real-time video surveillance system.The results showed that this method can eliminate the shadows more effectively,detect the moving targets more accurately,and robustness to light changes.

video surveillance;moving target detection;real time;HSV color space;shadow suppression

TP391.41

A

1674-6236（2014）13-0065-04

2013-09-17 稿件編號(hào)：201309133

國家自然科學(xué)基金青年基金項(xiàng)目（61203021，61103123）

高東旭(1989—),男，滿族，遼寧義縣人，碩士研究生。研究方向：模式識(shí)別、智能監(jiān)控。