南理勇，王建林

（濱州學(xué)院信息工程系，山東濱州256603）

基于視頻圖像的運(yùn)動(dòng)目標(biāo)陰影去除方法

南理勇，王建林

（濱州學(xué)院信息工程系，山東濱州256603）

針對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)中陰影的存在會(huì)導(dǎo)致目標(biāo)形狀扭曲、多個(gè)目標(biāo)之間出現(xiàn)粘連等問題，提出一種基于視頻圖像的陰影去除方法。該方法在分析陰影產(chǎn)生機(jī)理的基礎(chǔ)上，根據(jù)各像素點(diǎn)YUV空間上的像素模型，計(jì)算出帶有陰影的目標(biāo)相對(duì)于背景的失真系數(shù)，再根據(jù)設(shè)定的閾值區(qū)分出目標(biāo)的實(shí)際輪廓和陰影區(qū)域，從而將目標(biāo)陰影去除。實(shí)驗(yàn)結(jié)果表明，該方法能夠快速檢測(cè)和去除目標(biāo)陰影，準(zhǔn)確反映出目標(biāo)的實(shí)際輪廓，并能夠有效解決目標(biāo)粘連問題。

運(yùn)動(dòng)目標(biāo)檢測(cè)；陰影檢測(cè)；陰影去除

0 引言

隨著計(jì)算機(jī)視覺技術(shù)、電子技術(shù)、通信技術(shù)的發(fā)展，智能視頻監(jiān)控系統(tǒng)作為一種重要的安全防衛(wèi)手段在各種場(chǎng)合得到了廣泛的應(yīng)用。運(yùn)動(dòng)目標(biāo)檢測(cè)是智能視頻監(jiān)控系統(tǒng)中視頻圖像處理的第一步，運(yùn)動(dòng)目標(biāo)的快速正確檢測(cè)為目標(biāo)分割、目標(biāo)跟蹤以及分類和識(shí)別等后期處理提供良好條件[1]。然而，視頻圖像受光照因素的影響比較大，不同強(qiáng)度、不同角度的光源照射在半透明或不透明物體上時(shí)，就會(huì)產(chǎn)生陰影。由于陰影與物體本身的運(yùn)動(dòng)特性相同，所以陰影會(huì)被錯(cuò)誤地檢測(cè)為運(yùn)動(dòng)物體的一部分。運(yùn)動(dòng)目標(biāo)檢測(cè)過程中陰影的存在會(huì)導(dǎo)致目標(biāo)檢測(cè)的精確度降低、目標(biāo)的真實(shí)輪廓發(fā)生扭曲、多目標(biāo)之間出現(xiàn)粘連、目標(biāo)計(jì)數(shù)出錯(cuò)等問題，給后期處理造成很嚴(yán)重的問題。因此，陰影檢測(cè)與去除是智能視頻監(jiān)控系統(tǒng)中亟待解決的關(guān)鍵性問題。

陰影檢測(cè)主要有基于模型和基于陰影屬性兩種方法?；谀Ｐ偷姆椒╗2-3]是假設(shè)事先知道目標(biāo)的幾何形狀，同時(shí)知道光源的各項(xiàng)屬性，依據(jù)幾何方法建立模型檢測(cè)目標(biāo)陰影，但這在實(shí)際應(yīng)用中存在一定的局限性?；陉幱皩傩缘姆椒ㄊ侵苯永藐幱氨旧硖赜械膶傩?，比如邊緣信息、陰影的亮度、紋理信息、不同的顏色空間等特征來分離目標(biāo)和陰影，它比基于模型的方法具有更廣泛的適用性。Angie WKS等[4]提出了用邊界信息去除交通視頻中陰影的方法。Hoang M A等[5]根據(jù)陰影不改變背景的紋理這一特性，利用基于紋理的方法進(jìn)行了目標(biāo)提取，該方法可直接將陰影去除，但運(yùn)算量大，閾值不易設(shè)定。Kollerd等[6]利用陰影的光學(xué)特性，并結(jié)合紋理特征，采用區(qū)域生長(zhǎng)的方法來檢測(cè)陰影，在運(yùn)動(dòng)目標(biāo)外形紋理特征較為簡(jiǎn)單規(guī)范的情況下檢測(cè)效果較好。劉洋等[7]通過分析運(yùn)動(dòng)目標(biāo)的色度分布規(guī)律和紋理互相關(guān)性，達(dá)到檢測(cè)并消除陰影的目的，但在亮度低而飽和度高的情況下不適用。Cucchiara[8]利用HSV空間去除陰影，其主要原理是HSV顏色空間清晰地將顏色分為色度和亮度。張霞[9]通過分析陰影與背景的HSV彩色空間中的特性，利用陰影與運(yùn)動(dòng)目標(biāo)在H、S、V三個(gè)分量中的不同特點(diǎn)，計(jì)算其相應(yīng)的閾值，運(yùn)用該閾值進(jìn)行分割并消除陰影。付萍等[10]利用色度、飽和度和亮度三方面的信息對(duì)陰影進(jìn)行檢測(cè)和識(shí)別，能夠檢測(cè)出較淡的陰影。劉雪等[11]提出基于YUV顏色空間色度畸變和一階梯度模型的陰影去除算法。馬國(guó)峰等[12]提出結(jié)合YUV色度和亮度分量來去除陰影的算法。劉清等[13]提出YUV顏色空間和圖論切割算法相結(jié)合的陰影檢測(cè)去除方法。

以上各種方法在各自設(shè)定的條件下都會(huì)有相應(yīng)效果，它們的基本思路是先檢測(cè)出運(yùn)動(dòng)區(qū)域，之后從運(yùn)動(dòng)區(qū)域中檢測(cè)出陰影，最后消除陰影得到最終的運(yùn)動(dòng)目標(biāo)。本文提出一種基于視頻圖像的陰影檢測(cè)去除方法，能夠在視頻圖像中檢測(cè)到運(yùn)動(dòng)目標(biāo)的同時(shí)去除陰影。該方法采用YUV顏色空間，根據(jù)各像素點(diǎn)YUV空間上的像素模型，計(jì)算出帶有陰影的目標(biāo)相對(duì)于背景的失真系數(shù)，通過該系數(shù)檢測(cè)出陰影區(qū)域并將其去除。

1 陰影檢測(cè)與去除

1.1 陰影分析

陰影具有兩個(gè)重要的視覺特征：（1）陰影與背景有明顯的區(qū)別；（2）運(yùn)動(dòng)目標(biāo)與其陰影具有相同的運(yùn)動(dòng)屬性。因此，目標(biāo)陰影被錯(cuò)誤檢測(cè)為前景的概率非常大，將運(yùn)動(dòng)目標(biāo)與其陰影分離是實(shí)際應(yīng)用系統(tǒng)中必須解決的問題?；陉幱皩傩缘年幱皺z測(cè)方法主要是根據(jù)陰影區(qū)像素信息的變化來實(shí)現(xiàn)陰影的檢測(cè)和去除。

視頻圖像的輸出一般為RGB或YUV格式，RGB格式是將紅、綠、藍(lán)三原色按不同的比例混合；YUV格式的三個(gè)分量分別描述了圖像的亮度、色度和濃度信息。YUV顏色空間已經(jīng)將亮度分量和色度分量區(qū)分開，相比RGB顏色空間來說只需要占用極少的頻寬?？紤]到計(jì)算效率和陰影檢測(cè)的目的，直接在YUV顏色空間中檢測(cè)陰影。在YUV顏色空間檢測(cè)陰影一般基于如下假設(shè)[13]：（1）投射陰影的亮度低于背景的亮度；（2）投射陰影的色度和背景的色度相同，或只是稍微改變。

根據(jù)陰影的視覺特征以及YUV顏色空間檢測(cè)陰影的假設(shè)，本文提出的基于視頻圖像的快速陰影檢測(cè)去除方法的基本思路是：首先提取像素點(diǎn)的亮度分量，并根據(jù)目標(biāo)陰影與背景像素亮度的差別賦予亮度分量適當(dāng)?shù)臋?quán)重；再提取像素點(diǎn)的色度和濃度分量，根據(jù)目標(biāo)陰影與背景像素的色度和濃度分量相同或稍有差別的特性檢測(cè)出陰影。

1.2 像素計(jì)算模型及陰影去除方法

設(shè)圖像中目標(biāo)像素點(diǎn)F的YUV值為向量EF（EFx，EFy，EFz），陰影像素點(diǎn)I的YUV值為向量EI（EIx，EIy，EIz），圖像中背景像素點(diǎn)B的YUV值為向量EB（EBx，EBy，EBz），在YUV空間中的表示如圖1所示。這三個(gè)向量分別描述了圖像背景、圖像目標(biāo)和圖像目標(biāo)陰影在亮度、色度和濃度三方面的信息。

在圖1中，γ為向量EB和EF的夾角，β為向量EB和EI的夾角，稱γ為目標(biāo)相對(duì)背景的失真系數(shù)，β為目標(biāo)陰影相對(duì)背景的失真系數(shù)。向量EF和EI稱為運(yùn)動(dòng)目標(biāo)向量EM（EMx，EMy，EMz），失真系數(shù)γ和β稱為運(yùn)動(dòng)目標(biāo)失真系數(shù)。在運(yùn)動(dòng)目標(biāo)像素點(diǎn)以及背景像素點(diǎn)的YUV值已知的情況下，可以由下面式（1）計(jì)算出運(yùn)動(dòng)目標(biāo)相對(duì)于背景的失真系數(shù)θ的值：

圖1 目標(biāo)陰影、目標(biāo)和背景像素點(diǎn)在YUV空間上的表示

在實(shí)驗(yàn)中發(fā)現(xiàn)，如果直接使用式（1）計(jì)算出的θ值，在像素點(diǎn)亮度值和飽和度較高情況下，檢測(cè)結(jié)果精度很高。但是，對(duì)于亮度值或飽和度很低的像素點(diǎn)，檢測(cè)結(jié)果有很大的誤差。在YUV顏色空間中，陰影檢測(cè)時(shí)像素點(diǎn)YUV值的三個(gè)分量發(fā)揮的作用不完全相同。一方面，由于目標(biāo)與陰影部分的亮度差別較大，所以需要根據(jù)亮度差別的大小適當(dāng)減小亮度分量的權(quán)重，該權(quán)重值設(shè)為λ；另一方面，由于陰影和背景像素點(diǎn)的色度和濃度分量相同或稍有差別，所以需要適當(dāng)增大色度和濃度分量的權(quán)重，該權(quán)重值設(shè)為η?？紤]到權(quán)重λ和η的影響，可以由下面的式（2）代替式（1）來計(jì)算出運(yùn)動(dòng)目標(biāo)相對(duì)于背景的失真系數(shù)θ的值：

實(shí)驗(yàn)結(jié)果顯示，利用式（2）計(jì)算的θ值進(jìn)行陰影檢測(cè)在亮度值或飽和度很低情況下，檢測(cè)結(jié)果的精度也很高。

運(yùn)動(dòng)目標(biāo)陰影檢測(cè)算法的具體步驟如下：

（1）輸入YUV格式的視頻圖像幀。

（2）根據(jù)YUV空間上的像素計(jì)算模型，用式（2）計(jì)算出運(yùn)動(dòng)目標(biāo)相對(duì)于背景的失真系數(shù)θ。

（3）如果θ大于給定閾值Tθ，則判定其為實(shí)際目標(biāo)部分；否則，判定該部分屬于陰影區(qū)域。

其中，Tθ的取值與目標(biāo)相對(duì)背景失真系數(shù)γ以及目標(biāo)陰影相對(duì)背景的失真系數(shù)β相關(guān)。

2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)過程中所使用視頻圖像幀的分辨率為640×480和320×240，真彩色格式。運(yùn)行環(huán)境為：Intel?CoreTMDuo CPU T6600@2.20 GHz，2 GB RAM，Windows XP操作系統(tǒng)。陰影檢測(cè)算法各個(gè)參數(shù)：λ=0.35，η=0.65，Tθ= 4。下面從陰影檢測(cè)與去除、消除目標(biāo)粘連兩個(gè)方面進(jìn)行結(jié)果分析。

2.1 陰影檢測(cè)與去除

常用的陰影檢測(cè)去除方法的步驟是：首先將有運(yùn)動(dòng)目標(biāo)的一幀圖像與視頻圖像的背景幀進(jìn)行背景差運(yùn)算，得到運(yùn)動(dòng)目標(biāo)及其陰影的背景差分圖。然后對(duì)背景差分圖進(jìn)行二值化處理，之后進(jìn)行陰影去除并通過形態(tài)學(xué)濾波和區(qū)域填充方法去除背景區(qū)域中的噪聲點(diǎn)和前景目標(biāo)區(qū)域中的孔洞，最終得到去除目標(biāo)陰影后的檢測(cè)結(jié)果。圖2是利用本文提出的陰影檢測(cè)去除算法對(duì)拍攝于大學(xué)校園內(nèi)的視頻進(jìn)行檢測(cè)的過程。圖2（a）是有運(yùn)動(dòng)目標(biāo)的兩幀圖像，左邊是第10幀包括自行車，右邊是第15幀包括行人，這兩個(gè)運(yùn)動(dòng)目標(biāo)都帶有陰影。圖2（b）顯示對(duì)（a）中目標(biāo)及其陰影檢測(cè)的結(jié)果，其中黑色區(qū)域?yàn)楸尘安糠?，白色區(qū)域?yàn)閷?shí)際目標(biāo)部分，灰色區(qū)域?yàn)槟繕?biāo)陰影部分。圖2（c）是去除目標(biāo)陰影后的檢測(cè)結(jié)果，可以看出，行人和自行車的陰影被有效地去除。

從圖2處理過程可以看出，本文所提出的陰影檢測(cè)去除算法能夠在視頻圖像中檢測(cè)到運(yùn)動(dòng)目標(biāo)的同時(shí)去除陰影，與常用陰影去除方法相比，具有快速簡(jiǎn)單的優(yōu)勢(shì)。

2.2 消除目標(biāo)粘連

當(dāng)某個(gè)目標(biāo)的陰影與另一個(gè)目標(biāo)距離很接近時(shí)，目標(biāo)檢測(cè)算法可能會(huì)將兩個(gè)目標(biāo)誤認(rèn)為一個(gè)，導(dǎo)致“目標(biāo)粘連”，從而使目標(biāo)計(jì)數(shù)出錯(cuò)。上面所給出的運(yùn)動(dòng)目標(biāo)的陰影去除算法能有效消除目標(biāo)粘連，真實(shí)反映目標(biāo)的數(shù)量，達(dá)到準(zhǔn)確檢測(cè)目標(biāo)的效果。圖3是對(duì)某段監(jiān)控視頻第523幀的檢測(cè)結(jié)果，其中圖3（a）是未使用陰影去除算法的檢測(cè)結(jié)果，矩形框標(biāo)識(shí)的兩個(gè)車輛（帶有陰影）被誤認(rèn)為一個(gè)目標(biāo)，導(dǎo)致計(jì)數(shù)出錯(cuò)；圖3（b）是使用陰影去除算法后的檢測(cè)結(jié)果，它將帶有陰影的這兩個(gè)車輛準(zhǔn)確地識(shí)別出來，真實(shí)反映了道路上的車輛狀況。

圖3 視頻第523幀檢測(cè)結(jié)果

3 結(jié)束語(yǔ)

本文提出了一種在YUV顏色空間中基于視頻圖像的陰影去除方法，能夠在視頻圖像中檢測(cè)到運(yùn)動(dòng)目標(biāo)并同時(shí)去除陰影，簡(jiǎn)化了陰影檢測(cè)去除過程。實(shí)驗(yàn)結(jié)果表明，該方法不僅能夠有效去除陰影，準(zhǔn)確反映目標(biāo)的實(shí)際輪廓，而且能夠有效解決目標(biāo)粘連問題，從而提高目標(biāo)計(jì)數(shù)的準(zhǔn)確性。在實(shí)際應(yīng)用中，能夠滿足智能視頻監(jiān)控系統(tǒng)的需求。

[1]張紅穎，李鴻，孫毅剛．基于混合高斯模型的陰影去除算法[J]．計(jì)算機(jī)應(yīng)用，2013，33（1）：31-34．

[2]HORPRASERT T，HARWOOD D，DAVIS L S．A statistical approach for real-time robust background subtraction and shadow detection[C]．In：Proceedings of IEEE ICCV′99 Frame-Rate Workshop，Corfu，Greece，1999：1-19.

[3]THIRION J B.Realistic 3D simulation of shapes and shadows for image processing[J].Graphical Models and Image Processing，1992，54（1）：82-90．

[4]ANGIE W K S，WONG K K Y，CHUNG R H Y，et al. Shadow detection for vehicles by locating the object shadow boundary[C].In：The Seventh IASTED International Conference on Signaland Image Processing（SIP 2005），2005：15-17.

[5]HOANG M A，GEUSEBROEK J M.Corlor texture measurement and segmentation[J].Signal Processing，2005，85（2）：265-275.

[6]KOLLERD D，DANILIDIS K，NAGEL H H.Model-based object tracking in monocular image sequences of road traffic scenes[J].Computer Vision，1993，10（3）：257-281.

[7]劉洋，李玉山，張大樸．基于色度畸變和紋理特征的陰影消除方法[J]．計(jì)算機(jī)科學(xué)，2005，32（9）：211-214．

[8]CUCCHIARA R，GRANA C，PICCARDI M，et al.Detecting moving objects，ghosts and shadows in video streams[J].IEEE Trans.On Pattern Analysis and Machine Intelligence，2008，25（10）：1337-1342.

[9]張霞．視頻圖像中運(yùn)動(dòng)目標(biāo)的陰影消除法[J]．計(jì)算機(jī)工程與應(yīng)用，2013，49（6）：201-204．

[10]付萍，方帥，徐心和，等．視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)的陰影去除方法[J]．計(jì)算機(jī)工程，2007，33（10）：22-24．

[11]劉雪，常發(fā)亮，王華杰．運(yùn)動(dòng)目標(biāo)檢測(cè)中的陰影去除方法[J]．微處理機(jī)，2008，10（5）：116-121．

[12]馬國(guó)峰，楊俊紅，周兵.基于YUV顏色空間的視頻運(yùn)動(dòng)檢測(cè)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2008，29（4）：3700-3702.

[13]劉清，秦秀麗，文松柏，等．YUV顏色空間和圖論切割的陰影去除算法[J]．智能系統(tǒng)學(xué)報(bào)，2010，5（6）：556-560．

Method for shadow removal of moving object based on video image

Nan Liyong，Wang Jianlin
（Department of Information Engineering，Binzhou University，Binzhou 256603，China）

In the course of moving object detection，the shadow of objects may arise many problems，such as the distortion of the object shape，the adjacency between different objects and so on.To cope with these problems，a fast shadow removal method based on video image is proposed.By the computing model based on YUV color space，the distortion coefficient between moving object and background can be obtained，and then the shadow can be removed by this value.Finally，experimental results show that the method for shadow removal can detect the shadow and separate several joined objects correctly.

moving object detection；shadow detection；shadow removal

TP391.41

A

1674-7720（2015）13-0053-03

2015-02-03）

南理勇（1979-），男，碩士，講師，主要研究方向：數(shù)據(jù)庫(kù)與信息系統(tǒng)、圖像處理。

王建林（1972-），男，博士，副教授，主要研究方向：數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘、圖像處理。