許 鋒 單大國(guó)

（中國(guó)刑警學(xué)院 遼寧 沈陽 110035）

基于HSV顏色空間的陰影消除改進(jìn)算法

許 鋒 單大國(guó)

（中國(guó)刑警學(xué)院 遼寧 沈陽 110035）

在目前的智能監(jiān)控研究中，陰影消除是運(yùn)動(dòng)目標(biāo)跟蹤與檢測(cè)的研究熱點(diǎn)。根據(jù)公安工作的實(shí)際情況，針對(duì)陰影導(dǎo)致目標(biāo)形狀畸變和目標(biāo)形狀損失等問題，提出了一種基于HSV顏色空間的陰影檢測(cè)及消除的改進(jìn)方法：首先對(duì)序列圖像進(jìn)行預(yù)處理消除噪聲干擾，然后利用陰影區(qū)域在色調(diào)和亮度上的特征，在HSV色彩空間實(shí)現(xiàn)對(duì)陰影檢測(cè)并消除，最后采用形態(tài)學(xué)中的腐蝕和膨脹算法填充缺失的邊緣輪廓。通過實(shí)驗(yàn)比對(duì)表明，該方法能較好地消除陰影，得到了較為完整的輪廓，同時(shí)具有較好的實(shí)時(shí)性和魯棒性。

智能監(jiān)控 陰影 HSV顏色空間 形態(tài)學(xué)

隨著公安部“天網(wǎng)”、“天眼”工程的深入開展，監(jiān)控已經(jīng)遍布主要路口、重點(diǎn)要害部門、案件多發(fā)地帶、公共復(fù)雜場(chǎng)所和人員流動(dòng)密集區(qū)，如何提高視頻資料利用效率和范圍是目前面臨的重要工作。智能監(jiān)控技術(shù)在此情況下應(yīng)運(yùn)而生，它能夠最大限度地利用監(jiān)控視頻中的關(guān)鍵信息，自動(dòng)識(shí)別物體、發(fā)現(xiàn)場(chǎng)景中的突發(fā)情況并自動(dòng)地報(bào)警和記錄相關(guān)信息，可以在不增加人力、物力的情況下幫助辦案人員處理多種突發(fā)狀況，是目前視頻監(jiān)控領(lǐng)域最前沿的研究方向。[1]

智能監(jiān)控技術(shù)的研究?jī)?nèi)容主要包括以下3個(gè)方面：運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)跟蹤和行為分析，作為最前端的運(yùn)動(dòng)目標(biāo)檢測(cè)是后續(xù)目標(biāo)跟蹤和行為分析的基礎(chǔ)。[2]在實(shí)際應(yīng)用的過程中，光線照射在運(yùn)動(dòng)目標(biāo)上會(huì)產(chǎn)生明顯的陰影區(qū)域，如果不考慮陰影的作用效果，通常會(huì)造成多個(gè)目標(biāo)合一、虛假目標(biāo)、目標(biāo)形狀畸變，甚至嚴(yán)重情況下目標(biāo)最終消失，直接影響后續(xù)處理的結(jié)果，所以說，在運(yùn)動(dòng)目標(biāo)檢測(cè)中陰影的檢測(cè)和消除是不可忽略的關(guān)鍵性問題。

1 陰影消除算法概述

陰影的出現(xiàn)會(huì)增大運(yùn)動(dòng)目標(biāo)的檢測(cè)誤差甚至造成錯(cuò)誤，因此在過去的幾十年中，國(guó)內(nèi)外很多研究者進(jìn)行了深入的研究。對(duì)于智能監(jiān)控系統(tǒng)而言，目前主要通過如下兩種方法來實(shí)現(xiàn)陰影檢測(cè)及消除[3,4]：（1） 基于模型法，通過運(yùn)動(dòng)目標(biāo)在監(jiān)控畫面中的先驗(yàn)知識(shí)構(gòu)建陰影模型，然后根據(jù)此模型判斷是否為陰影并進(jìn)行消除；（2）基于特征法，通過對(duì)一些陰影內(nèi)外保持不變或變化較小的屬性特征，如亮度、色調(diào)、飽和度等作為參考依據(jù)，通過比較這些量的變化情況，進(jìn)而判斷是否為陰影并進(jìn)行消除。[5,6]本文在研究HSV色彩模式特性的基礎(chǔ)上，依據(jù)陰影與判別對(duì)象在H，S，V三分量中的不同表現(xiàn)，通過設(shè)定相應(yīng)的閾值，最終實(shí)現(xiàn)在監(jiān)控視頻中對(duì)運(yùn)動(dòng)目標(biāo)產(chǎn)生的陰影檢測(cè)并消除。

2 基于HSV顏色空間特性的改進(jìn)算法

針對(duì)上述陰影消除方法存在的不足，結(jié)合公安工作的實(shí)際情況，本文提出的改進(jìn)方法，首先對(duì)序列圖像進(jìn)行預(yù)處理，然后利用HSV顏色空間的特性進(jìn)行陰影自動(dòng)判斷與消除，最終通過形態(tài)學(xué)處理得到消除陰影后的圖像，其具體的流程如圖1所示。

圖1 陰影消除流程圖

2.1 圖像預(yù)處理

監(jiān)控系統(tǒng)受到條件限制和環(huán)境影響，其得到的視頻影像多含有噪聲成分，如椒鹽噪聲、高斯噪聲和脈沖噪聲等，這些噪聲會(huì)影響圖像的質(zhì)量，模糊圖像特征。為了提高陰影消除的效果，本文首先對(duì)視頻圖像進(jìn)行中值濾波和高斯濾波，并使用雙向直方圖均衡處理，以突出圖像邊緣輪廓，增強(qiáng)抗干擾能力。

2.2 轉(zhuǎn)換HSV顏色空間

監(jiān)控視頻拍攝過程中通常使用的是RGB顏色空間，為了得到更好的后續(xù)處理效果，通常將RGB轉(zhuǎn)換為HSV顏色模式。相對(duì)于我們熟悉的RGB色彩模式，HSV色彩模式（H為色度，S為飽和度，V為亮度）更接近人眼視覺模型，利用此色彩模式可以直接表示顏色亮度信息，進(jìn)而突出陰影及運(yùn)動(dòng)目標(biāo)的差別。轉(zhuǎn)換的公式有多種，其原理大致相同，本文選取如下的轉(zhuǎn)化公式[7]：

式中，R,G,B的取值范圍是[0,255]；H的取值范圍是[0,360]；S的取值范圍是[0,1]；V的取值范圍是[0,255]；在實(shí)際圖像處理中把H,S,V的取值范圍歸一化為[0,1]，然后按照下式重新調(diào)整分量的分布：

2.3 陰影的檢測(cè)與消除

對(duì)于運(yùn)動(dòng)目標(biāo)和其產(chǎn)生的陰影，人眼是十分容易分辨的，但如何讓沒有自我辨識(shí)能力的計(jì)算機(jī)識(shí)別運(yùn)動(dòng)目標(biāo)產(chǎn)生的陰影是目前智能監(jiān)控系統(tǒng)研究的難題之一。運(yùn)動(dòng)目標(biāo)所在的位置信息、形狀特征、監(jiān)控畫面表面特性以及光照情況等信息可以從連續(xù)的監(jiān)控圖像中得到，并且運(yùn)動(dòng)目標(biāo)產(chǎn)生的陰影在顏色屬性上明顯與場(chǎng)景背景不同，基于以上的描述，可以構(gòu)建陰影檢測(cè)的一般方法。由于運(yùn)動(dòng)目標(biāo)產(chǎn)生陰影處的亮度及飽和度比背景要暗，同時(shí)色彩基本不變，所以本文采用HSV色彩模式來判斷陰影，具體公式如下：

式中，lH(x,y)，lS(x,y)，lV(x,y)分別代表了新輸入像素l (x,y)在HSV上的分量，BH(x,y)，BS(x,y)，BV(x,y)分別代表了背景像素值在HSV上的分量。若l(x,y)被認(rèn)定為陰影，那么這點(diǎn)的SP(x,y)為0。其中參數(shù)0＜aS＜βS＜1，參數(shù)aS取值依據(jù)陰影強(qiáng)度：陰影投射強(qiáng)度越強(qiáng)，aS越??；βs用來提高適應(yīng)噪聲的魯棒性，確保當(dāng)前幀的亮度不能和背景太接近。參數(shù)τS及τH通過主觀經(jīng)驗(yàn)選取并適當(dāng)調(diào)試。

在實(shí)際使用的過程中，為了滿足不同的環(huán)境需要設(shè)置不同的參數(shù)閾值，使用起來十分不便。通過實(shí)驗(yàn)發(fā)現(xiàn)：運(yùn)動(dòng)目標(biāo)的陰影只有亮度V降低，并且在HSV色彩模式中，陰影的三個(gè)向量和Hˉ+Sˉ+Vˉ比背景的向量和Hˉb+Sˉb+Vˉb小，最終可通過比較兩者的向量差來區(qū)分陰影，計(jì)算公式如下：

2.4 形態(tài)學(xué)處理

通常情況下，陰影消除后的圖像存在離散的噪聲，目標(biāo)邊緣也會(huì)出現(xiàn)斷點(diǎn)現(xiàn)象，這些噪聲不利于對(duì)感興趣目標(biāo)的進(jìn)一步分析，所以當(dāng)完成初步的陰影消除后，需要適當(dāng)進(jìn)行降噪處理。處理的一般方法是利用形態(tài)學(xué)運(yùn)算，包括采用膨脹、腐蝕等運(yùn)算去除孤立噪點(diǎn)并填充缺失的邊緣輪廓，最終得到滿意的處理效果。

3 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證本文算法的有效性，采用國(guó)際上通用的標(biāo)準(zhǔn)視頻序列Highway I及Intelligent room，分別對(duì)室內(nèi)和室外監(jiān)控環(huán)境進(jìn)行了陰影檢測(cè)及消除實(shí)驗(yàn)，并同文獻(xiàn)[4]及文獻(xiàn)[5]的檢測(cè)結(jié)果進(jìn)行了比較，其結(jié)果如圖2～7所示。其中，a表示視頻圖像原圖；b表示差分計(jì)算后的二值圖；c表示采用文獻(xiàn)[4]中陰影消除算法得到的圖像；d表示采用文獻(xiàn)[5]中陰影消除算法得到的圖像；e表示采用本文算法進(jìn)行陰影消除得到的圖像。

圖2 Highway I中第90幀視頻處理結(jié)果

圖3 Highway I中第104幀視頻處理結(jié)果

圖4 Highway I中第183幀視頻處理結(jié)果

圖5 Intelligent room中第280幀視頻處理結(jié)果

圖6 Intelligent room中第510幀視頻處理結(jié)果

圖7 Intelligent room中第840幀視頻處理結(jié)果

通過上述序列圖像可以明顯發(fā)現(xiàn)光照產(chǎn)生的陰影，如果不進(jìn)行處理將嚴(yán)重影響后續(xù)的運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤的精度。在室外光照條件下的Highway I視頻中截取了第90、104和183幀，從檢測(cè)和消除效果可以發(fā)現(xiàn)，文獻(xiàn)[4]及文獻(xiàn)[5]的算法雖然能夠消除部分陰影，但是存在運(yùn)動(dòng)目標(biāo)主體輪廓缺失、主體目標(biāo)被當(dāng)成陰影消除以及噪聲干擾等問題，而本文的算法能夠較好地檢測(cè)并消除陰影，保證主體目標(biāo)輪廓完整；對(duì)于室內(nèi)光照條件下的Intelligent room視頻中截取了第280、510和840幀，從檢測(cè)和消除效果可發(fā)現(xiàn)，文獻(xiàn)[4]、文獻(xiàn)[5]及本文的算法都能較好地消除陰影，但文獻(xiàn)中的算法得到的處理結(jié)果主體目標(biāo)輪廓缺失并且噪聲干擾明顯，而本文的算法可以得到較完整的外部輪廓?？傮w來說本文的算法在室外光照條件下噪聲的消除、陰影的檢測(cè)及消除效果更為理想，也更貼近公安工作的實(shí)際需求，具有較高的實(shí)用價(jià)值。

4 結(jié)論

陰影是運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤中普遍存在的問題，嚴(yán)重影響檢測(cè)精度，導(dǎo)致目標(biāo)識(shí)別錯(cuò)誤，本文分析了目前陰影消除的常用算法，根據(jù)公安工作的實(shí)際需求，采用基于特征法的HSV色彩模式來消除陰影，通過圖像預(yù)處理，最終完成陰影檢測(cè)與消除，得到輪廓較為完整的圖像。實(shí)驗(yàn)的結(jié)果表明，本文提出的方法簡(jiǎn)單并且便于實(shí)現(xiàn)，對(duì)于消除陰影及噪聲有一定的效果，并且得到的目標(biāo)輪廓較為完整清晰，具有較好的實(shí)時(shí)性和魯棒性。

[1]I.Haritaoglu，D.Harwood，L.S.Davis. W4：real-time surveillance of people and their activities [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2000，22(8)：809-830.

[2]王典. 基于混合高斯的背景建模與陰影抑制算法研究[D].西安：西北工業(yè)大學(xué)，2006：25-32.

[3]Yoneyama A，Yeh C H，Kuo C C J.Moving cast shadow elimination for robust vehicle extraction based on 2D joint vehicle/shadow models[A].Proceedingsofthe IEEE Conference on Advanced Video and Signal Based Surveillance(AVSS’03)[C].Miami：IEEE Computer Society，2003：229-236.

[4]高海燕.人體步態(tài)識(shí)別研究[D].北京：北京交通大學(xué)，2010：33-41.

[5]Sanin A，Sanderson C,Lovell B C.Improved Shadow RemovalforRobustPerson Tracking in Surveillance Scenarios[A].2010 20th International Conferenceon Pattern Recognition [C].Madison：ConferencePublications，2010：142-151.

[6]胡園園，王讓定.基于紋理不變性的運(yùn)動(dòng)陰影去除算法[J].計(jì)算機(jī)應(yīng)用，2008，28（12）：3141-3146.

[7]石美紅，申亮，龍世忠，等.從RGB到HSV色彩空間轉(zhuǎn)換公式的修正[J].紡織高?；A(chǔ)科學(xué)學(xué)報(bào)，2008，21（3）：351-356.

（責(zé)任編輯：孟凡騫）

TP391.4

A

2095-7939(2015)02-0067-03

2015-01-16

遼寧省科技廳自然科學(xué)基金項(xiàng)目（編號(hào)：2013020008）。

許鋒（1977-），男，山東萊州人，中國(guó)刑警學(xué)院聲像資料檢驗(yàn)技術(shù)系副教授，博士，主要從事聲像資料檢驗(yàn)鑒定研究。