曾澤興,曾慶寧 ,蔡曉東 ,王春利

(桂林電子科技大學(xué) a.信息與通信學(xué)院；b.信息科技學(xué)院，廣西 桂林 541004)

基于多特征融合的運(yùn)動陰影去除算法研究

曾澤興a,曾慶寧a,蔡曉東a,王春利b

(桂林電子科技大學(xué) a.信息與通信學(xué)院；b.信息科技學(xué)院，廣西 桂林 541004)

在自動視頻監(jiān)控系統(tǒng)中，陰影是影響目標(biāo)檢測和跟蹤的主要因素之一。為了去除陰影的干擾，提出一種區(qū)域梯度、顏色和輪廓多特征融合的方法。改進(jìn)輪廓計(jì)算方法，巧妙利用輪廓分割區(qū)域，合理使用輪廓填充區(qū)域，這些改進(jìn)使本方法更具魯棒性和更廣適用范圍。實(shí)驗(yàn)結(jié)果表明，該方法在不同場景下可以有效地去除陰影。

陰影去除；特征融合；目標(biāo)檢測；視頻監(jiān)控

GuilinUniversityofElectronicTechnology,GuangxiGuilin541004,China)

自動視頻監(jiān)控的應(yīng)用，要求在每個(gè)場景都能夠準(zhǔn)確地檢測出運(yùn)動目標(biāo)。由于陰影的存在，會對目標(biāo)定位、分割、提取和跟蹤帶來很多問題[1]。比如，若錯(cuò)誤地把陰影當(dāng)作目標(biāo)，那么利用形狀來識別目標(biāo)的方法將不再有效。如何把運(yùn)動目標(biāo)和目標(biāo)陰影區(qū)分開來，是運(yùn)動目標(biāo)檢測的一個(gè)主要挑戰(zhàn)。

1 相關(guān)工作

目前對陰影的檢測方法有多種，比較常見的有基于顏色、紋理、輪廓等特征。

利用顏色特征的檢測方法基于這樣的假設(shè)[2-3]：被陰影覆蓋的區(qū)域會變得更暗，但仍保留原來的色度。這些方法實(shí)現(xiàn)簡單，且耗費(fèi)時(shí)間少。然而，由于基于像素點(diǎn)，很容易受到噪聲的干擾[1]；更糟糕的是，當(dāng)目標(biāo)較暗或者目標(biāo)顏色與背景顏色相似時(shí)，運(yùn)用顏色特征就很容易出現(xiàn)誤檢。

紋理相關(guān)性是一種有效的檢測陰影方法，不依賴于顏色，對光照變化有魯棒性。 Javed和Shah[4]先通過顏色特征選出候選陰影區(qū)域，再分析每個(gè)區(qū)域的梯度方向, 如果和背景的梯度方向差別不大，就認(rèn)為該區(qū)域?qū)儆谶\(yùn)動陰影。該方法的缺點(diǎn)在于：通過顏色特征處理，將打破紋理平滑區(qū)域，影響后面梯度方向的判斷，導(dǎo)致陰影檢測率下降。

輪廓特征也可用于去除陰影，文獻(xiàn)[5]說明了實(shí)現(xiàn)具體方式：首先去除陰影輪廓，然后填充目標(biāo)內(nèi)部輪廓，最后實(shí)現(xiàn)陰影去除的目的。但是利用這種方法的假設(shè)是陰影覆蓋區(qū)域不能有明顯的輪廓，顯然這限制了該方法的適用范圍。

2 算法的實(shí)現(xiàn)

本文利用混合高斯背景模型求出運(yùn)動前景，一方面基于區(qū)域的梯度特征把可能的陰影區(qū)域檢測出來，并通過顏色特征的進(jìn)一步處理，把梯度特征錯(cuò)誤檢出的區(qū)域排除。另一方面，充分利用已計(jì)算的前景輪廓，對其填充并作為運(yùn)動目標(biāo)的一部分。圖1為本文算法實(shí)現(xiàn)陰影去除流程圖。

圖1 陰影去除流程圖

2.1 基于梯度陰影檢測

首先計(jì)算運(yùn)動前景的輪廓，利用輪廓對運(yùn)動前景進(jìn)行分割，再計(jì)算分割出來區(qū)域的梯度方向，通過運(yùn)動前景和參考背景的梯度方向關(guān)系判斷是否為陰影區(qū)域。這樣盡可能保留了原有紋理信息，克服文獻(xiàn)[4]中打破紋理平滑區(qū)域缺點(diǎn)，提高魯棒性。

(1)

(2)

圖像的數(shù)據(jù)為離散的像素點(diǎn)，可以把圖像看成二維離散函數(shù)，求圖像梯度其實(shí)就是對這個(gè)二維離散函數(shù)進(jìn)行求導(dǎo)。一個(gè)簡單的計(jì)算方式為

(3)

式中：I(x,y)為圖像坐標(biāo)點(diǎn)(x,y)上的像素值。因?yàn)樵谟行﹫鼍跋拢y理信息并不是很明顯，為了提高檢測率，本文在計(jì)算梯度時(shí)，使用了不同的步長，盡可能獲取更多紋理信息，改進(jìn)后為

(4)

基于區(qū)域梯度的主要步驟如下：

1)先求出運(yùn)動前景的輪廓，并用得到的輪廓對運(yùn)動前景進(jìn)行區(qū)域分割，記為Mb。

當(dāng)前幀和背景圖像梯度方向的關(guān)系可以通過以下公式來估計(jì)

(5)

(6)

式中：參數(shù)Δθp為當(dāng)前幀和背景圖像在p=(x,y)像素點(diǎn)上的梯度方向差；n為各個(gè)候選區(qū)域的像素個(gè)數(shù)。因此，參數(shù)d表示當(dāng)前幀和背景圖像梯度方向的相似度，即參數(shù)d越大，相似度越高，反之越低。如果d大于閾值τd，則認(rèn)為該候選區(qū)域是陰影區(qū)域，把其從運(yùn)動前景中去除。

2.2 基于顏色陰影檢測

HSV顏色空間可以很好地把亮度和色度分離，所以得到了較多的應(yīng)用。如果滿足以下條件，認(rèn)為是陰影，即

(7)

式中：FC(x,y)和BC(x,y)分別表示在當(dāng)前幀和參考背景圖像的像素點(diǎn)(x,y)上。HSV顏色空間C(取值H、S或V)分量的值。閾值α，β，τS和τH的大小是通過實(shí)驗(yàn)經(jīng)驗(yàn)來設(shè)定的。

圖2 各處理過程

2.3 邊緣處理

計(jì)算運(yùn)動前景輪廓：E=EF⊕EB，其中EF，EB分別表示當(dāng)前幀和參考背景輪廓。之所以不直接用運(yùn)動前景計(jì)算，就是為了避免像文獻(xiàn)[5]把陰影覆蓋區(qū)域的輪廓也包括進(jìn)去(可以看到圖2g沒有如圖2d中背景輪廓的干擾)。在獲取輪廓后，由于只通過內(nèi)輪廓來重構(gòu)目標(biāo)是比較難的，所以本文并沒有像文獻(xiàn)[5]去填充目標(biāo)，而是只做簡單的形態(tài)學(xué)處理。顏色特征處理后的運(yùn)動區(qū)域與輪廓填充后的區(qū)域兩者相加，得到去除陰影后的運(yùn)動目標(biāo)區(qū)域(圖2h)。

3 實(shí)驗(yàn)結(jié)果及分析

為了系統(tǒng)地估計(jì)算法性能，本文通過檢測兩個(gè)重要指標(biāo)來評價(jià)[6]：陰影檢測率和陰影識別率。這兩個(gè)指標(biāo)陰影檢測率η和陰影識別率ξ，分別定義為

(8)

(9)

本文所提方法是對文獻(xiàn)[4]和文獻(xiàn)[5]的部分借鑒，故與這兩種方法做比較。

從表1可看出，本文方法與另外兩種方法相比，陰影檢測率和識別率都有所提高?？朔墨I(xiàn)[4]方法在輪廓信息不足時(shí)檢測率低的問題，提高文獻(xiàn)[5]方法對行人陰影檢測效果。

表1 各方法陰影檢測率和識別率比較結(jié)果 %

表2為3種方法分別對3個(gè)視頻進(jìn)行處理，統(tǒng)計(jì)出的平均每幀時(shí)間耗費(fèi)。從表中可看出，本文方法與文獻(xiàn)[4]方法相比，計(jì)算量相差不大；與文獻(xiàn)[5]相比，本文方法仍然有提高的空間。在一般情況下，本文方法是可以滿足實(shí)用要求的。

4 小結(jié)

針對自動視頻監(jiān)控系統(tǒng)運(yùn)動目標(biāo)陰影的檢測和去除，本文提出了利用區(qū)域梯度、顏色和輪廓多特征融合的方法。本文的創(chuàng)新點(diǎn)在于：巧妙地利用運(yùn)動目標(biāo)輪廓進(jìn)行分塊處理，提高算法的魯棒性；同時(shí)在不明顯增加計(jì)算耗費(fèi)的前提下，把梯度和輪廓信息有效地融合，提高了算法的適用范圍。

表2 各方法耗時(shí)比較結(jié)果 ms

[1]PRATI A,MIKIC I,TRIVEDI M M, et al.Detecting moving shadows: algorithms and evaluation[J].IEEE Trans.PAMI, 2003, 25(7): 918-923.

[2]CONAIRE C O, O′CONNOR N E,SMEATON A F.Detector adaptation by maximizing agreement between independent data sources[C]//Proc.IEEE Conference on Computer Vision and Pattern Recognition.[S.l.]：IEEE Press, 2007: 1-6.

[3]李靜,車進(jìn),朱金艷.基于顏色空間轉(zhuǎn)換的運(yùn)動目標(biāo)檢測與陰影去除[J].電視技術(shù),2013,37(13): 172-175.

[4]JAVED O, SHAH M.Tracking and object classification for automated surveillance[C]//Proc.European Conference on Computer Vision.[S.l.]：IEEE Press，2002：343-357.

[5]PANICKER J V, WILSCY M.Detection of moving cast shadows using edge information[C]//Proc.Computer and Automation Engineering (ICCAE).Singapore: IEEE Press, 2010: 817-821.

[6]PRATI A,CUCCHIARA R,MIKIC I, et al.Analysis and detection of shadows in video streams: a comparative evaluation[C]//Proc.IEEE Conference on Computer Vision and Pattern Recognition.[S.l.]：IEEE Press, 2001: 571-576.

曾澤興(1987— )，碩士生，主研數(shù)字圖像處理、人臉識別；

曾慶寧(1963— )，博士，教授，主研語音與圖像信號處理、醫(yī)學(xué)信號分析與智能診斷、金融信號分析方法與Markov決策規(guī)劃；

蔡曉東(1971— )，博士，副教授，主研并行化圖像和視頻處理、模式識別與智能系統(tǒng)；

王春利(1980— )，碩士，講師，主研差分方程相關(guān)理論。

責(zé)任編輯：薛 京

Research on Moving Shadows Removal Algorithm Based on Multi-feature Fusion

ZENG Zexinga, ZENG Qingninga, CAI Xiaodonga, WANG Chunlib

(a.SchoolofInformationandCommunication;b.InstituteofInformationTechnology,

Shadow is one of the major problems in objects detection and tracking for automated video surveillance systems.In this paper, a method fused regional gradients, color and contour feature is proposed to remove the interference of shadows.The calculation method of contour is improved, separated the region skillfully using contour and rationally utilized the contour-filled region.These improvements make the method be more robust and have broader scope.The experimental results show that the method can effectively remove shadows under different scenarios.

shadows removal; feature fusion; objects detection; video surveillance

【本文獻(xiàn)信息】曾澤興,曾慶寧,蔡曉東,等.基于多特征融合的運(yùn)動陰影去除算法研究[J].電視技術(shù),2015，39(3).

國家科技支撐計(jì)劃項(xiàng)目(2012BAH20B01)；國家科技支撐計(jì)劃項(xiàng)目(2014BAK11B02)；廣西自然科學(xué)基金項(xiàng)目(2012GXNSFAA053232； 2013GXNSFAA019326)；廣西高?？茖W(xué)技術(shù)研究項(xiàng)目(2013YB092)

TN911.73

A

10.16280/j.videoe.2015.03.028

2014-06-01