李煒

摘要：在傳統(tǒng)的智能檢測算法中目標檢測時，往往陰影和需要被檢測的物體一起檢測出來，這樣會給后續(xù)的處理帶來諸多的不便，而且易造成較高的虛警率。該文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測，可以提高陰影檢測的穩(wěn)定性，進而很好的完成陰影檢測，達到了實際應(yīng)用的需求。

關(guān)鍵詞：運動目標陰影檢測；YUV色彩空間；目標分割；圖像紋理

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）30-7168-02

1 概述

運動物體與背景的分離是智能監(jiān)控檢測的重要一步，然而在實際的應(yīng)用場景中運動物體和陰影一起被檢測成前景，這樣會影響后續(xù)的目標識別和分割。因此，對前景的陰影檢測和去除十分有必要，國內(nèi)外的許多學(xué)者對此也進行了深入的研究?，F(xiàn)有的陰影抑制方法主要有：基于屬性和基于模型的陰影檢測算法?；谀Ｐ偷年幱皺z測方法對于比較復(fù)雜的模型具有計算量大、實時性較差的缺點?；陬伾臻g的陰影檢測的實時性較強，但在某些環(huán)境中其穩(wěn)定性較差。

經(jīng)過上面討論并結(jié)合實際業(yè)務(wù)對實時性的需求，本文首先對陰影進行分析，決定采用YUV色彩空間結(jié)合紋理共同完成檢測目標陰影的去除，以改善單獨采用色彩空間效果差、魯棒性不強的缺點。經(jīng)實驗表明本文提出的方法可以很好的區(qū)分運動目標和陰影區(qū)，提高陰影檢測的穩(wěn)定性，達到了實際應(yīng)用的需求。

2 陰影分析及在不同色系的特征

當(dāng)光線被物體遮擋時，便會產(chǎn)生陰影.陰影的狀態(tài)一般受環(huán)境光的強度、物體的透明度以及地面的質(zhì)地等因素的影。響通常情況下，陰影會導(dǎo)致對應(yīng)區(qū)域的強度發(fā)生很大的變化，而色度的變化則不明顯[1]。由于陰影和運動物體都跟背景存在不同，且兩個同步運動，因此陰影的運動前景一起檢測為前景。

陰影檢測算法選取的色彩空間的不同會對檢測結(jié)果產(chǎn)生一定的影響。顏色空間用來表示彩色圖像中色度和亮度信息的不同標準。通常，顏色空間所有可能的顏色和亮度信息用三個分量來表示，例如，RGB有紅、綠、藍三個顏色分量。但是，RGB 顏色空間不能有效的區(qū)分色度和亮度信息。目前，有多種顏色空間可以將圖像的色度分量和亮度分量區(qū)分開，例如，HSV，YUV等顏色空間。然后，比較圖像當(dāng)前幀和背景幀的亮度和色度變化來檢測陰影區(qū)。Kumar等人[2]研究YUV 顏色空間不敏感對明亮的光線區(qū)域，并有很低的誤檢測率、漏檢測率及高的正確檢測率。

本文用YUV 顏色空間進行陰影的初步檢測，YUV 將色度分量和亮度分量區(qū)分開來，并和RGB 顏色空間是一種線性變換關(guān)系，如下式（1），（2），（3）所示：

Y= 0.299*R + 0.587*G + 0.114*B （1）

U= -0.147*R - 0.289*G + 0.436*B （2）

V= 0.615*R - 0.515*G - 0.100*B （3）

3 紋理的變換

物體表面紋理具有很強的穩(wěn)定性，陰影覆蓋前后紋理不會發(fā)生縮放或旋轉(zhuǎn)。由于紋理在光照變化時具有的穩(wěn)定性，紋理檢測陰影有著較好的魯棒性和更高的準確率。LBP是基于圖像空間域局部關(guān)系的圖像紋理描述算子，通過對像素與相鄰?fù)乳g距上的鄰域像素的灰度變化二值化，形成對該像素所在位置的紋理變化模式的描述。它的數(shù)學(xué)表達如下式：

4 陰影的去除

在RGB空間對陰影的檢測相對比較復(fù)雜，為了更好地進行陰影的處理和減少計算量，把顏色空間從RGB 轉(zhuǎn)換到Y(jié)UV空間。歸一化的顏色空間對陰影引起的像素點色度、亮度值的變化更不敏感且魯棒性較強。因此，該文采用歸一化的YUV 色彩空間進行陰影抑制。算法如下：

1） 根據(jù)（1）（2）（3）式完成對檢測出來的目標區(qū)域RGB空間到Y(jié)UV空間的轉(zhuǎn)換。

2） 歸一化YUV色彩空間，其中， ，根據(jù)陰影區(qū)和背景區(qū)色度變化不明顯，初步判定陰影。其具體方法如下：首先，確定當(dāng)前像素點與背景像素點的亮度值的差值Y，如果Y大于0，則該像素點不是陰影。如果差值為定值Y且則當(dāng)前像素點是陰影點。其中，初步確定陰影區(qū)域。、是背景像素值的顏色空間歸一化值，是當(dāng)前像素值的顏色空間歸一化值.是為了避免噪聲影響選取的值。

3） 結(jié)合LBP紋理算法對初步確定的疑似陰影區(qū)域進行紋理相似性度量，進一步得到更為準確的陰影候選區(qū)域。

4） 最后利用類似于文獻[4]的誤判處理獲得最終的運動陰影，并對圖像進行形態(tài)學(xué)處理。

5 實驗與分析

實驗以Visual Studio 2008 為開發(fā)環(huán)境，在Intel（R） Core（TM） i3-2330M CPU @2.20GHZ的機子，采用改進的高斯混合背景模型獲得運動物體及背景重建。為了驗證算法的有效性，本次選取具有代表性的視頻序列進行測試Campus和Intelligent Room，其中Campu是室外場景，Intelligent Room為室內(nèi)場景。

為了對本文提出的算法進行比較，采用文獻[5]提出的陰影檢測率 η 和陰影判別率 ζ 進行效果評價。

其中：是正確檢出的陰影像素的數(shù)目，是陰影像素被誤判為運動前景的個數(shù)， 是運動前景像素被誤判為陰影的數(shù)目。表一為其實驗結(jié)果：

由表1 可得，無論在陰影檢測率還是陰影判別率上，相比文獻[10]提出的算法，該文方法都明顯較高。

6 總結(jié)

本文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測算法，較好地克服了使用色彩空間方法進行陰影檢測穩(wěn)定性差引起的誤檢問題，提高了陰影檢測的穩(wěn)定性，滿足監(jiān)控視頻運動目標陰影去除的需要，同時滿足系統(tǒng)實時性的要求，已在某武警勤務(wù)視頻系統(tǒng)中得到應(yīng)用。

參考文獻：

[1] 李文軍，陳濤.基于卡爾曼濾波器的等效復(fù)合控制技術(shù)研究[J].光學(xué)精密工程，2006（2）.

[2] 胡蕾，張偉，覃慶炎.幾種圖像去噪算法的應(yīng)用分析[J].信息技術(shù)，2007（7）.

[3] 劉宏，李錦濤，劉群，等.融合顏色和梯度特征的運動陰影消除方法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，2007（10）.endprint

摘要：在傳統(tǒng)的智能檢測算法中目標檢測時，往往陰影和需要被檢測的物體一起檢測出來，這樣會給后續(xù)的處理帶來諸多的不便，而且易造成較高的虛警率。該文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測，可以提高陰影檢測的穩(wěn)定性，進而很好的完成陰影檢測，達到了實際應(yīng)用的需求。

關(guān)鍵詞：運動目標陰影檢測；YUV色彩空間；目標分割；圖像紋理

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）30-7168-02

1 概述

運動物體與背景的分離是智能監(jiān)控檢測的重要一步，然而在實際的應(yīng)用場景中運動物體和陰影一起被檢測成前景，這樣會影響后續(xù)的目標識別和分割。因此，對前景的陰影檢測和去除十分有必要，國內(nèi)外的許多學(xué)者對此也進行了深入的研究?，F(xiàn)有的陰影抑制方法主要有：基于屬性和基于模型的陰影檢測算法?；谀Ｐ偷年幱皺z測方法對于比較復(fù)雜的模型具有計算量大、實時性較差的缺點?；陬伾臻g的陰影檢測的實時性較強，但在某些環(huán)境中其穩(wěn)定性較差。

經(jīng)過上面討論并結(jié)合實際業(yè)務(wù)對實時性的需求，本文首先對陰影進行分析，決定采用YUV色彩空間結(jié)合紋理共同完成檢測目標陰影的去除，以改善單獨采用色彩空間效果差、魯棒性不強的缺點。經(jīng)實驗表明本文提出的方法可以很好的區(qū)分運動目標和陰影區(qū)，提高陰影檢測的穩(wěn)定性，達到了實際應(yīng)用的需求。

2 陰影分析及在不同色系的特征

當(dāng)光線被物體遮擋時，便會產(chǎn)生陰影.陰影的狀態(tài)一般受環(huán)境光的強度、物體的透明度以及地面的質(zhì)地等因素的影。響通常情況下，陰影會導(dǎo)致對應(yīng)區(qū)域的強度發(fā)生很大的變化，而色度的變化則不明顯[1]。由于陰影和運動物體都跟背景存在不同，且兩個同步運動，因此陰影的運動前景一起檢測為前景。

陰影檢測算法選取的色彩空間的不同會對檢測結(jié)果產(chǎn)生一定的影響。顏色空間用來表示彩色圖像中色度和亮度信息的不同標準。通常，顏色空間所有可能的顏色和亮度信息用三個分量來表示，例如，RGB有紅、綠、藍三個顏色分量。但是，RGB 顏色空間不能有效的區(qū)分色度和亮度信息。目前，有多種顏色空間可以將圖像的色度分量和亮度分量區(qū)分開，例如，HSV，YUV等顏色空間。然后，比較圖像當(dāng)前幀和背景幀的亮度和色度變化來檢測陰影區(qū)。Kumar等人[2]研究YUV 顏色空間不敏感對明亮的光線區(qū)域，并有很低的誤檢測率、漏檢測率及高的正確檢測率。

本文用YUV 顏色空間進行陰影的初步檢測，YUV 將色度分量和亮度分量區(qū)分開來，并和RGB 顏色空間是一種線性變換關(guān)系，如下式（1），（2），（3）所示：

Y= 0.299*R + 0.587*G + 0.114*B （1）

U= -0.147*R - 0.289*G + 0.436*B （2）

V= 0.615*R - 0.515*G - 0.100*B （3）

3 紋理的變換

物體表面紋理具有很強的穩(wěn)定性，陰影覆蓋前后紋理不會發(fā)生縮放或旋轉(zhuǎn)。由于紋理在光照變化時具有的穩(wěn)定性，紋理檢測陰影有著較好的魯棒性和更高的準確率。LBP是基于圖像空間域局部關(guān)系的圖像紋理描述算子，通過對像素與相鄰?fù)乳g距上的鄰域像素的灰度變化二值化，形成對該像素所在位置的紋理變化模式的描述。它的數(shù)學(xué)表達如下式：

4 陰影的去除

在RGB空間對陰影的檢測相對比較復(fù)雜，為了更好地進行陰影的處理和減少計算量，把顏色空間從RGB 轉(zhuǎn)換到Y(jié)UV空間。歸一化的顏色空間對陰影引起的像素點色度、亮度值的變化更不敏感且魯棒性較強。因此，該文采用歸一化的YUV 色彩空間進行陰影抑制。算法如下：

1） 根據(jù)（1）（2）（3）式完成對檢測出來的目標區(qū)域RGB空間到Y(jié)UV空間的轉(zhuǎn)換。

2） 歸一化YUV色彩空間，其中， ，根據(jù)陰影區(qū)和背景區(qū)色度變化不明顯，初步判定陰影。其具體方法如下：首先，確定當(dāng)前像素點與背景像素點的亮度值的差值Y，如果Y大于0，則該像素點不是陰影。如果差值為定值Y且則當(dāng)前像素點是陰影點。其中，初步確定陰影區(qū)域。、是背景像素值的顏色空間歸一化值，是當(dāng)前像素值的顏色空間歸一化值.是為了避免噪聲影響選取的值。

3） 結(jié)合LBP紋理算法對初步確定的疑似陰影區(qū)域進行紋理相似性度量，進一步得到更為準確的陰影候選區(qū)域。

4） 最后利用類似于文獻[4]的誤判處理獲得最終的運動陰影，并對圖像進行形態(tài)學(xué)處理。

5 實驗與分析

實驗以Visual Studio 2008 為開發(fā)環(huán)境，在Intel（R） Core（TM） i3-2330M CPU @2.20GHZ的機子，采用改進的高斯混合背景模型獲得運動物體及背景重建。為了驗證算法的有效性，本次選取具有代表性的視頻序列進行測試Campus和Intelligent Room，其中Campu是室外場景，Intelligent Room為室內(nèi)場景。

為了對本文提出的算法進行比較，采用文獻[5]提出的陰影檢測率 η 和陰影判別率 ζ 進行效果評價。

其中：是正確檢出的陰影像素的數(shù)目，是陰影像素被誤判為運動前景的個數(shù)， 是運動前景像素被誤判為陰影的數(shù)目。表一為其實驗結(jié)果：

由表1 可得，無論在陰影檢測率還是陰影判別率上，相比文獻[10]提出的算法，該文方法都明顯較高。

6 總結(jié)

本文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測算法，較好地克服了使用色彩空間方法進行陰影檢測穩(wěn)定性差引起的誤檢問題，提高了陰影檢測的穩(wěn)定性，滿足監(jiān)控視頻運動目標陰影去除的需要，同時滿足系統(tǒng)實時性的要求，已在某武警勤務(wù)視頻系統(tǒng)中得到應(yīng)用。

參考文獻：

[1] 李文軍，陳濤.基于卡爾曼濾波器的等效復(fù)合控制技術(shù)研究[J].光學(xué)精密工程，2006（2）.

[2] 胡蕾，張偉，覃慶炎.幾種圖像去噪算法的應(yīng)用分析[J].信息技術(shù)，2007（7）.

[3] 劉宏，李錦濤，劉群，等.融合顏色和梯度特征的運動陰影消除方法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，2007（10）.endprint

摘要：在傳統(tǒng)的智能檢測算法中目標檢測時，往往陰影和需要被檢測的物體一起檢測出來，這樣會給后續(xù)的處理帶來諸多的不便，而且易造成較高的虛警率。該文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測，可以提高陰影檢測的穩(wěn)定性，進而很好的完成陰影檢測，達到了實際應(yīng)用的需求。

關(guān)鍵詞：運動目標陰影檢測；YUV色彩空間；目標分割；圖像紋理

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）30-7168-02

1 概述

運動物體與背景的分離是智能監(jiān)控檢測的重要一步，然而在實際的應(yīng)用場景中運動物體和陰影一起被檢測成前景，這樣會影響后續(xù)的目標識別和分割。因此，對前景的陰影檢測和去除十分有必要，國內(nèi)外的許多學(xué)者對此也進行了深入的研究?，F(xiàn)有的陰影抑制方法主要有：基于屬性和基于模型的陰影檢測算法?；谀Ｐ偷年幱皺z測方法對于比較復(fù)雜的模型具有計算量大、實時性較差的缺點?；陬伾臻g的陰影檢測的實時性較強，但在某些環(huán)境中其穩(wěn)定性較差。

經(jīng)過上面討論并結(jié)合實際業(yè)務(wù)對實時性的需求，本文首先對陰影進行分析，決定采用YUV色彩空間結(jié)合紋理共同完成檢測目標陰影的去除，以改善單獨采用色彩空間效果差、魯棒性不強的缺點。經(jīng)實驗表明本文提出的方法可以很好的區(qū)分運動目標和陰影區(qū)，提高陰影檢測的穩(wěn)定性，達到了實際應(yīng)用的需求。

2 陰影分析及在不同色系的特征

當(dāng)光線被物體遮擋時，便會產(chǎn)生陰影.陰影的狀態(tài)一般受環(huán)境光的強度、物體的透明度以及地面的質(zhì)地等因素的影。響通常情況下，陰影會導(dǎo)致對應(yīng)區(qū)域的強度發(fā)生很大的變化，而色度的變化則不明顯[1]。由于陰影和運動物體都跟背景存在不同，且兩個同步運動，因此陰影的運動前景一起檢測為前景。

陰影檢測算法選取的色彩空間的不同會對檢測結(jié)果產(chǎn)生一定的影響。顏色空間用來表示彩色圖像中色度和亮度信息的不同標準。通常，顏色空間所有可能的顏色和亮度信息用三個分量來表示，例如，RGB有紅、綠、藍三個顏色分量。但是，RGB 顏色空間不能有效的區(qū)分色度和亮度信息。目前，有多種顏色空間可以將圖像的色度分量和亮度分量區(qū)分開，例如，HSV，YUV等顏色空間。然后，比較圖像當(dāng)前幀和背景幀的亮度和色度變化來檢測陰影區(qū)。Kumar等人[2]研究YUV 顏色空間不敏感對明亮的光線區(qū)域，并有很低的誤檢測率、漏檢測率及高的正確檢測率。

本文用YUV 顏色空間進行陰影的初步檢測，YUV 將色度分量和亮度分量區(qū)分開來，并和RGB 顏色空間是一種線性變換關(guān)系，如下式（1），（2），（3）所示：

Y= 0.299*R + 0.587*G + 0.114*B （1）

U= -0.147*R - 0.289*G + 0.436*B （2）

V= 0.615*R - 0.515*G - 0.100*B （3）

3 紋理的變換

物體表面紋理具有很強的穩(wěn)定性，陰影覆蓋前后紋理不會發(fā)生縮放或旋轉(zhuǎn)。由于紋理在光照變化時具有的穩(wěn)定性，紋理檢測陰影有著較好的魯棒性和更高的準確率。LBP是基于圖像空間域局部關(guān)系的圖像紋理描述算子，通過對像素與相鄰?fù)乳g距上的鄰域像素的灰度變化二值化，形成對該像素所在位置的紋理變化模式的描述。它的數(shù)學(xué)表達如下式：

4 陰影的去除

在RGB空間對陰影的檢測相對比較復(fù)雜，為了更好地進行陰影的處理和減少計算量，把顏色空間從RGB 轉(zhuǎn)換到Y(jié)UV空間。歸一化的顏色空間對陰影引起的像素點色度、亮度值的變化更不敏感且魯棒性較強。因此，該文采用歸一化的YUV 色彩空間進行陰影抑制。算法如下：

1） 根據(jù)（1）（2）（3）式完成對檢測出來的目標區(qū)域RGB空間到Y(jié)UV空間的轉(zhuǎn)換。

2） 歸一化YUV色彩空間，其中， ，根據(jù)陰影區(qū)和背景區(qū)色度變化不明顯，初步判定陰影。其具體方法如下：首先，確定當(dāng)前像素點與背景像素點的亮度值的差值Y，如果Y大于0，則該像素點不是陰影。如果差值為定值Y且則當(dāng)前像素點是陰影點。其中，初步確定陰影區(qū)域。、是背景像素值的顏色空間歸一化值，是當(dāng)前像素值的顏色空間歸一化值.是為了避免噪聲影響選取的值。

3） 結(jié)合LBP紋理算法對初步確定的疑似陰影區(qū)域進行紋理相似性度量，進一步得到更為準確的陰影候選區(qū)域。

4） 最后利用類似于文獻[4]的誤判處理獲得最終的運動陰影，并對圖像進行形態(tài)學(xué)處理。

5 實驗與分析

實驗以Visual Studio 2008 為開發(fā)環(huán)境，在Intel（R） Core（TM） i3-2330M CPU @2.20GHZ的機子，采用改進的高斯混合背景模型獲得運動物體及背景重建。為了驗證算法的有效性，本次選取具有代表性的視頻序列進行測試Campus和Intelligent Room，其中Campu是室外場景，Intelligent Room為室內(nèi)場景。

為了對本文提出的算法進行比較，采用文獻[5]提出的陰影檢測率 η 和陰影判別率 ζ 進行效果評價。

其中：是正確檢出的陰影像素的數(shù)目，是陰影像素被誤判為運動前景的個數(shù)， 是運動前景像素被誤判為陰影的數(shù)目。表一為其實驗結(jié)果：

由表1 可得，無論在陰影檢測率還是陰影判別率上，相比文獻[10]提出的算法，該文方法都明顯較高。

6 總結(jié)

本文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測算法，較好地克服了使用色彩空間方法進行陰影檢測穩(wěn)定性差引起的誤檢問題，提高了陰影檢測的穩(wěn)定性，滿足監(jiān)控視頻運動目標陰影去除的需要，同時滿足系統(tǒng)實時性的要求，已在某武警勤務(wù)視頻系統(tǒng)中得到應(yīng)用。

參考文獻：

[1] 李文軍，陳濤.基于卡爾曼濾波器的等效復(fù)合控制技術(shù)研究[J].光學(xué)精密工程，2006（2）.

[2] 胡蕾，張偉，覃慶炎.幾種圖像去噪算法的應(yīng)用分析[J].信息技術(shù)，2007（7）.

[3] 劉宏，李錦濤，劉群，等.融合顏色和梯度特征的運動陰影消除方法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，2007（10）.endprint