張　鵬，楊燕翔

(西華大學(xué)　電氣與電子信息學(xué)院，四川　成都　610039)

多信息融合的視頻運(yùn)動(dòng)目標(biāo)陰影去除算法

張鵬，楊燕翔

(西華大學(xué)電氣與電子信息學(xué)院，四川成都610039)

摘要:針對(duì)傳統(tǒng)HSV空間陰影去除模型中閾值難以確定、計(jì)算復(fù)雜及檢測(cè)效率較低等問(wèn)題，在對(duì)傳統(tǒng)運(yùn)動(dòng)目標(biāo)陰影去除算法進(jìn)行深入研究的基礎(chǔ)上，首先融入一階梯度信息對(duì)傳統(tǒng)HSV空間陰影去除模型的不足之處進(jìn)行針對(duì)性改進(jìn)，然后在此基礎(chǔ)上融入反射比不變量提出了一種多信息融合的視頻運(yùn)動(dòng)目標(biāo)陰影去除算法。該算法在改進(jìn)HSV空間陰影去除算法的基礎(chǔ)上，進(jìn)一步引入陰影候選像素及其對(duì)應(yīng)背景區(qū)域像素的反射比不變特性來(lái)實(shí)現(xiàn)陰影區(qū)域更為精確的檢測(cè)，從而有效區(qū)分并去除運(yùn)動(dòng)目標(biāo)的陰影像素。實(shí)驗(yàn)結(jié)果表明，該算法在實(shí)際應(yīng)用中具有較高的有效性和通用性。

關(guān)鍵詞:陰影去除；一階梯度信息；反射比；陰影候選像素

隨著視頻運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)的飛速發(fā)展，實(shí)際應(yīng)用過(guò)程中，對(duì)于檢測(cè)精度與實(shí)時(shí)性的要求也愈發(fā)嚴(yán)苛。由于物體遮擋光線從而產(chǎn)生陰影，在諸多實(shí)際場(chǎng)景中，視頻運(yùn)動(dòng)目標(biāo)檢測(cè)方法會(huì)不可避免的同時(shí)將所檢測(cè)到的運(yùn)動(dòng)目標(biāo)及其所產(chǎn)生的陰影區(qū)域一并提取出來(lái)，進(jìn)而極易造成機(jī)器視覺(jué)系統(tǒng)后續(xù)處理過(guò)程中運(yùn)動(dòng)目標(biāo)錯(cuò)誤的分割、定位、跟蹤等。因此，近年來(lái)如何有效檢測(cè)并去除前景圖像中的陰影區(qū)域成為一個(gè)熱門(mén)的研究方向。運(yùn)動(dòng)目標(biāo)所產(chǎn)生的陰影區(qū)域中包含了目標(biāo)物體輪廓、紋理等有利信息，但與此同時(shí)目標(biāo)的陰影區(qū)域?qū)τ?后續(xù)的圖像分析處理、目標(biāo)行文理解等卻帶來(lái)了很多阻礙，從而一定程度上制約了機(jī)器視覺(jué)系統(tǒng)的進(jìn)一步發(fā)展。 可以利用運(yùn)動(dòng)目標(biāo)檢測(cè)策略有效區(qū)分視頻圖像序列中的背景區(qū)域與前景目標(biāo)區(qū)域，然而，所提取出的前景目標(biāo)區(qū)域中也不免混入部分目標(biāo)陰影區(qū)域。這個(gè)問(wèn)題對(duì)于提高前景目標(biāo)物體的檢測(cè)效果帶來(lái)了極大的影響，當(dāng)視頻序列中運(yùn)動(dòng)目標(biāo)物體受到遮擋或與其他物體發(fā)生粘連時(shí)，還將引起運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)形狀、大小的改變或異常，這些影響將導(dǎo)致機(jī)器視覺(jué)系統(tǒng)后續(xù)的目標(biāo)跟蹤、行為判定等環(huán)節(jié)出現(xiàn)較大偏差，甚至根本無(wú)法完成后續(xù)處理。所以運(yùn)動(dòng)目標(biāo)陰影區(qū)域的有效檢測(cè)及去除在運(yùn)動(dòng)目標(biāo)檢測(cè)部分也是不可或缺的重要內(nèi)容。

目前，針對(duì)視頻運(yùn)動(dòng)目標(biāo)陰影區(qū)域的檢測(cè)去除方法[1]，國(guó)內(nèi)外大批研究人員提出了多種多樣的不同算法，其檢測(cè)去除效率也各有所長(zhǎng)。總的來(lái)說(shuō)，這些算法可以概括為基于模型以及基于顏色特征兩類(lèi)方法，其中基于模型的算法簡(jiǎn)而言之就是假設(shè)視頻圖像中運(yùn)動(dòng)目標(biāo)的諸多屬性事先已知，可以針對(duì)性的構(gòu)建這些屬性所對(duì)應(yīng)的數(shù)學(xué)模型從而達(dá)到檢測(cè)去除陰影區(qū)域的目的，但是在實(shí)際復(fù)雜的應(yīng)用過(guò)程中，這種事先運(yùn)動(dòng)目標(biāo)屬性已知的假設(shè)往往是不成立的?；陬伾卣鞯乃惴櫭剂x就是利用視頻中運(yùn)動(dòng)目標(biāo)及其所產(chǎn)生的陰影區(qū)域在當(dāng)前應(yīng)用場(chǎng)景中不同的顏色特性來(lái)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)及其所對(duì)應(yīng)陰影區(qū)域的精確分離。

在研究對(duì)比了大量傳統(tǒng)陰影去除算法的基礎(chǔ)上，針對(duì)傳統(tǒng)HSV色彩空間陰影去除模型中判定閾值難以確定、計(jì)算復(fù)雜及檢測(cè)效率較低等問(wèn)題，本文融入一階梯度信息對(duì)其不足之處進(jìn)行針對(duì)性改進(jìn)，并據(jù)此介紹一種多信息融合的視頻運(yùn)動(dòng)目標(biāo)陰影檢測(cè)去除算法。針對(duì)不同應(yīng)用場(chǎng)景下的仿真結(jié)果表明，本文所提算法無(wú)論是對(duì)于室內(nèi)環(huán)境下人體目標(biāo)的弱陰影檢測(cè)去除還是針對(duì)室外環(huán)境下高速運(yùn)動(dòng)的車(chē)輛目標(biāo)的強(qiáng)陰影檢測(cè)去除，均具有較高的去除效率及準(zhǔn)確率。

1HSV色彩空間陰影去除

HSV色彩空間模型[2-3]于1978年提出，是目前最能反映人眼視覺(jué)系統(tǒng)對(duì)色彩的感知方式的一種比較直觀的經(jīng)典顏色模型。HSV色彩空間模型的顏色封裝較之其他顏色模型更加符合人類(lèi)的視覺(jué)特性。此外，就戶(hù)外場(chǎng)景而言，在HSV色彩空間模型檢測(cè)運(yùn)動(dòng)目標(biāo)亮度和色度的變化較之在RGB色彩空間模型中檢測(cè)更為簡(jiǎn)單有效。綜上幾點(diǎn)，故而本文采用HSV顏色空間模型進(jìn)行運(yùn)動(dòng)目標(biāo)陰影區(qū)域的檢測(cè)并消除。

1.1傳統(tǒng)HSV色彩空間的陰影去除模型

根據(jù)運(yùn)動(dòng)陰影區(qū)域在HSV色彩空間的屬性，可根據(jù)式(1)進(jìn)行陰影區(qū)域的檢測(cè)[4]

(1)

式中：IH(x,y)，IS(x,y)，IV(x,y)依次為當(dāng)前幀圖像中任一像素I(x,y)的H，S，Y三個(gè)分量的值，相對(duì)應(yīng)的BH(x,y)，BS(x,y)，BV(x,y)則分別表示所對(duì)應(yīng)的背景區(qū)域像素的H，S，Y三個(gè)分量的值。當(dāng)任一像素滿足式中判定條件即HSV(x,y)的值為1時(shí)，表示為檢測(cè)到的陰影；當(dāng)任一像素不滿足式中判定條件即HSV(x,y)的值為0時(shí)則為非陰影區(qū)域。其中，判定閾值α及β滿足0<α<β<1，α的取值需要依照當(dāng)前場(chǎng)景中的光照強(qiáng)度而定，通常情況下，場(chǎng)景中光照強(qiáng)度越小，運(yùn)動(dòng)目標(biāo)所形成的陰影區(qū)域就會(huì)越淡，對(duì)應(yīng)的α取值也就隨之越小；β則是用來(lái)增強(qiáng)算法對(duì)圖像序列中噪聲點(diǎn)的魯棒性，其取值應(yīng)小于1，以避免過(guò)多的像素點(diǎn)被檢測(cè)為陰影區(qū)域。參數(shù)θs及θh的取值則主要憑經(jīng)驗(yàn)而定，需通過(guò)多次實(shí)驗(yàn)方可確定。

1.2改進(jìn)HSV色彩空間的陰影去除模型

通過(guò)式(1)所示的傳統(tǒng)經(jīng)典HSV色彩空間陰影去除模型檢測(cè)后，一般情況下可以得到較為理想的陰影區(qū)域去除效果，但在實(shí)際應(yīng)用過(guò)程中，其需要針對(duì)不同的視頻環(huán)境設(shè)置不同的參數(shù)閾值，且其判定參數(shù)閾值的確定往往需要根據(jù)經(jīng)驗(yàn)或者必須通過(guò)多次反復(fù)實(shí)驗(yàn)方能確定，如此便導(dǎo)致了其在實(shí)際應(yīng)用過(guò)程中存在諸多的局限性。針對(duì)此問(wèn)題，文獻(xiàn)[5]所提方法可以在一定程度上有效改進(jìn)，但文獻(xiàn)[5]中所設(shè)置的前景像素亮度與對(duì)應(yīng)背景像素亮度比值這一主導(dǎo)因素的判定條件可以取值為0和1，此時(shí)無(wú)法判定陰影區(qū)域。此外，陰影區(qū)域的顏色信息與運(yùn)動(dòng)目標(biāo)所處的地面顏色信息息息相關(guān)，某些情況下，運(yùn)動(dòng)目標(biāo)及其所產(chǎn)生的陰影區(qū)域在顏色信息上并沒(méi)有顯著差別，此時(shí)如果僅僅依靠像素點(diǎn)的顏色信息并不能可靠地分辨出該像素點(diǎn)是否屬于陰影區(qū)域。針對(duì)上述不足，本文在研究對(duì)比了大量傳統(tǒng)陰影去除算法的基礎(chǔ)上，對(duì)其做出以下改進(jìn)。

改進(jìn)一：通過(guò)對(duì)傳統(tǒng)HSV色彩空間陰影去除模型中所有分量在算法執(zhí)行過(guò)程中的變化趨勢(shì)進(jìn)行深入的對(duì)比分析后可知，傳統(tǒng)經(jīng)典模型中H分量與S分量對(duì)陰影區(qū)域的判別所起作用甚微，且正是H分量與S分量的判定條件閾值難以確定，限制了其實(shí)際應(yīng)用；與此同時(shí)，V分量則對(duì)陰影區(qū)域的判定結(jié)果起著至關(guān)重要的主導(dǎo)作用。為此，本文沿用文獻(xiàn)[5]的思想直接去除傳統(tǒng)HSV色彩空間陰影去除模型中對(duì)陰影區(qū)域判定結(jié)果所起作用微乎其微的H分量與S分量的判別條件，取而代之的是加入視頻圖像序列當(dāng)前時(shí)刻圖像與前一時(shí)刻圖像的亮度差值變化這一新的約束條件，同時(shí)對(duì)最終判定結(jié)果起主導(dǎo)因素的V通道判別條件閾值取固定值，從而避免了通過(guò)多次實(shí)驗(yàn)方能確定檢測(cè)閾值的不足，與文獻(xiàn)[5]不同的是本文改進(jìn)方法縮小了前景像素亮度與對(duì)應(yīng)背景像素亮度比值這一主導(dǎo)因素判定條件的取值范圍，使其不能取值為0或1，參數(shù)取值范圍更加合理有效，避免了其取值為0或1時(shí)無(wú)法判定陰影區(qū)域的情況。

如果該像素點(diǎn)滿足

(2)

綜上，本文提出一種改進(jìn)HSV色彩空間的陰影判別模型如下

(3)

本文通過(guò)在傳統(tǒng)HSV色彩空間陰影去除模型中加入視頻圖像序列當(dāng)前時(shí)刻圖像與前一時(shí)刻圖像的亮度差值變化這一新的約束條件，并對(duì)最終判定結(jié)果起主導(dǎo)因素的V通道判別條件閾值取固定值且縮小判定條件的取值范圍以避免其取值為0或1時(shí)無(wú)法判定陰影區(qū)域的情況，同時(shí)去除原模型中對(duì)陰影區(qū)域判定結(jié)果所起作用微乎其微的H分量與S分量判定條件，進(jìn)一步提高了算法效率；此外，融入一階梯度信息處理，可有效解決運(yùn)動(dòng)目標(biāo)及其所產(chǎn)生的陰影在顏色信息上無(wú)顯著差別時(shí)僅依靠像素點(diǎn)的顏色信息無(wú)法可靠判別像素點(diǎn)是否為陰影像素的情況。改進(jìn)模型無(wú)需在不同的視頻環(huán)境下通過(guò)多次實(shí)驗(yàn)確定不同的閾值，從而擴(kuò)展了其適用性，進(jìn)一步提高了實(shí)時(shí)性能及檢測(cè)效率。仿真結(jié)果顯示，相比于傳統(tǒng)檢測(cè)模型，改進(jìn)檢測(cè)模型的檢測(cè)結(jié)果更加完整。

2多信息融合視頻運(yùn)動(dòng)目標(biāo)陰影去除算法

2.1陰影存在與否的判斷

在實(shí)際應(yīng)用過(guò)程中，機(jī)器視覺(jué)系統(tǒng)并不需要在任何時(shí)刻都進(jìn)行運(yùn)動(dòng)目標(biāo)陰影的檢測(cè)及消除，例如陰天的時(shí)候，物體基本上不會(huì)產(chǎn)生陰影或者是所產(chǎn)生的陰影區(qū)域亮度很小并不會(huì)對(duì)目標(biāo)檢測(cè)及后續(xù)處理產(chǎn)生影響；亦或場(chǎng)景中照射光源距離運(yùn)動(dòng)目標(biāo)高度比較高時(shí)，所產(chǎn)生的陰影區(qū)域面積很小也不會(huì)對(duì)目標(biāo)檢測(cè)及后續(xù)處理產(chǎn)生影響。諸如以上情況下，陰影區(qū)域?qū)τ谶\(yùn)動(dòng)目標(biāo)的幾何特性影響很小，故而不需要進(jìn)行陰影區(qū)域的檢測(cè)及去除。為了避免機(jī)器視覺(jué)系統(tǒng)在不必要進(jìn)行陰影區(qū)域檢測(cè)及去除的情況下依然運(yùn)行陰影檢測(cè)消除算法從而導(dǎo)致系統(tǒng)效率降低的情況，為此，本文首先采用如下的亮度估計(jì)方法[7]，以確定當(dāng)前應(yīng)用環(huán)境下是否需要進(jìn)行陰影區(qū)域的檢測(cè)及消除。

對(duì)于某一運(yùn)動(dòng)目標(biāo)區(qū)域，設(shè)其R，G，B三個(gè)通道的值分別為R(x,y),G(x,y),B(x,y)；對(duì)應(yīng)的設(shè)其背景的R，G，B三個(gè)通道的值分別為Rb(x,y),Gb(x,y),Bb(x,y)。如果圖像序列中任一像素點(diǎn)同時(shí)滿足R(x,y)

PD=nD/(nB+nD)

(4)

式中：PD表示圖像序列中暗點(diǎn)在整個(gè)區(qū)域內(nèi)所占的比例。

(5)

如果運(yùn)動(dòng)目標(biāo)在當(dāng)前應(yīng)用場(chǎng)景中清晰可見(jiàn)，便可隨之認(rèn)為當(dāng)前應(yīng)用場(chǎng)景是高亮度的，例如有光照的白天；反之，如果運(yùn)動(dòng)目標(biāo)在當(dāng)前應(yīng)用場(chǎng)景中難以辨認(rèn)，亦可隨之認(rèn)為當(dāng)前應(yīng)用場(chǎng)景是低亮度的，諸如晚上、陰雨天或者大霧天等等。通常情況下只有在高亮度的白天運(yùn)動(dòng)目標(biāo)才會(huì)遮擋光線從而產(chǎn)生陰影區(qū)域，基于此如何判斷當(dāng)前應(yīng)用場(chǎng)景下運(yùn)動(dòng)陰影是否存在的問(wèn)題便可以利用運(yùn)動(dòng)目標(biāo)的亮度能量值EB來(lái)度量解決，在此基礎(chǔ)上，同時(shí)引入?yún)?shù)PD=nD/(nB+nD)來(lái)表示圖像序列中暗點(diǎn)在整個(gè)區(qū)域內(nèi)所占的比例。通過(guò)計(jì)算判斷，如果出現(xiàn)以下兩種情況之一：1)EB值較??；2)EB值較大但PD值較小，若計(jì)算出現(xiàn)以上兩種情況之一則都可以說(shuō)明當(dāng)前應(yīng)用場(chǎng)景中的亮度級(jí)較低或者相較于場(chǎng)景而言運(yùn)動(dòng)陰影區(qū)域的面積較小，不會(huì)對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)及后續(xù)處理產(chǎn)生影響，即此時(shí)不需要進(jìn)行陰影區(qū)域的檢測(cè)及消除。

2.2圖像的顏色模型

圖像序列中物體表面上任一像素點(diǎn)的顏色值Im(m∈R,G,B)取決于該像素點(diǎn)對(duì)場(chǎng)景中光源光的光譜反射，機(jī)器視覺(jué)系統(tǒng)中攝像機(jī)測(cè)量物體的顏色值可表示如下

Im(p)=∫λe(λ,p)·ρ(λ,p)·fm(λ)dλ

(6)

式中：p是圖像中物體表面上的任一像素點(diǎn)；λ為可見(jiàn)光的波長(zhǎng)；e(λ,p)是場(chǎng)景中照射光源的光譜強(qiáng)度；ρ(λ,p)是像素點(diǎn)p的光譜反射率；fm(λ)是采集系統(tǒng)傳感器的光譜靈敏度。ρ(λ,p)的取值決定于機(jī)器視覺(jué)系統(tǒng)中攝像機(jī)的角度及當(dāng)前應(yīng)用場(chǎng)景中光源的入射方向。

可以假定機(jī)器視覺(jué)系統(tǒng)中采集攝像機(jī)僅對(duì)當(dāng)前應(yīng)用場(chǎng)景中入射光源單一的波長(zhǎng)λm敏感，如此便可以得到fm(λ)=fm×δ(λ-λm)。所以式(6)所示的圖像顏色模型[8]可進(jìn)一步簡(jiǎn)化為

Im=e(λm,p)ρ(λm,p)fm(λm)

(7)

2.3反射率比

Nayar和Bolle提出了圖像中相鄰兩像素點(diǎn)的反射比[7]的光度不變量，其是一個(gè)與物體表面的幾何性質(zhì)及光照強(qiáng)度無(wú)關(guān)的量。由式(7)所給圖像的顏色模型可得，機(jī)器視覺(jué)系統(tǒng)中傳感器對(duì)物體表面上任意兩像素點(diǎn)p1和p2的響應(yīng)值可表示如下

Im(p1)=e(λm,p1)ρ(λm,p1)fm(λm)

(8)

Im(p2)=e(λm,p2)ρ(λm,p2)fm(λm)

(9)

實(shí)際應(yīng)用過(guò)程中， 可以從場(chǎng)景中運(yùn)動(dòng)目標(biāo)平滑過(guò)渡表面上取得兩個(gè)相鄰的像素點(diǎn)p1和p2，如此一來(lái)p1和p2兩點(diǎn)便幾乎被場(chǎng)景中同一光源照明，也即e(p1)=e(p2)。同時(shí)，因?yàn)槲矬w平滑過(guò)渡表面上的相鄰兩像素點(diǎn)其表面法向方向也勢(shì)必相同，故而此時(shí)采集攝像機(jī)的傳感器方向以及場(chǎng)景中光源的入射方向?qū)τ趐1和p2兩點(diǎn)而言也是相同的。綜上，傳感器對(duì)p1和p2兩點(diǎn)的響應(yīng)值又可以表示如下

Im(p1)=e(λm)ρ(λm,p1)fm

(10)

Im(p2)=e(λm)ρ(λm,p2)fm

(11)

據(jù)此，可以定義p1和p2兩點(diǎn)的反射比r為

(12)

由式(11)反射比的定義可見(jiàn)，圖像序列中運(yùn)動(dòng)物體平滑過(guò)渡表面上相鄰兩像素點(diǎn)的反射比r與場(chǎng)景中照射光源e無(wú)關(guān)，而只是與p1和p2兩點(diǎn)的反射屬性ρ有關(guān)。

此外，為了避免計(jì)算過(guò)程中當(dāng)Im(p2)=0時(shí)，r→∞從而給計(jì)算帶來(lái)困難，重新定義p1和p2兩點(diǎn)的反射比r

(13)

如此處理后將p1和p2兩點(diǎn)的反射比r限制在[-1，+1]范圍之內(nèi)。

2.4多信息融合的視頻運(yùn)動(dòng)目標(biāo)陰影去除算法

本文算法在運(yùn)動(dòng)目標(biāo)檢測(cè)部分得到運(yùn)動(dòng)目標(biāo)前景及對(duì)應(yīng)背景后，首先進(jìn)行當(dāng)前環(huán)境下陰影存在與否的判斷，從而確定當(dāng)前幀是否需要進(jìn)行陰影區(qū)域的檢測(cè)及去除，以免機(jī)器視覺(jué)系統(tǒng)在不必要進(jìn)行陰影區(qū)域檢測(cè)及去除的情況下依然運(yùn)行陰影檢測(cè)消除算法從而導(dǎo)致系統(tǒng)效率降低；經(jīng)判定后如果當(dāng)前幀需要進(jìn)行陰影區(qū)域的檢測(cè)及去除則分別利用改進(jìn)的HSV陰影去除模型及反射率比在上步所得到的暗區(qū)中進(jìn)行陰影區(qū)域的檢測(cè)去除；最后將兩種方法所得到的檢測(cè)去除結(jié)果進(jìn)行有效結(jié)合，經(jīng)過(guò)后續(xù)處理后得到最終的陰影去除結(jié)果。本文算法整體流程如圖1所示。

圖1　本文陰影去除算法整體流程

通過(guò)改進(jìn)HSV陰影去除模型進(jìn)行運(yùn)動(dòng)目標(biāo)陰影區(qū)域的初步去除后，為得到更為精確的陰影像素，本文進(jìn)一步引入陰影候選像素及其對(duì)應(yīng)背景區(qū)域像素的反射比不變特性來(lái)實(shí)現(xiàn)陰影區(qū)域更為精確的檢測(cè)。其核心思想為：假定某一像素隸屬于陰影區(qū)域，那么該像素在陰影遮擋前后與其所對(duì)應(yīng)同一位置處背景像素的對(duì)比來(lái)看，該點(diǎn)與它相鄰像素點(diǎn)的反射比僅僅與其反射屬性相關(guān)而與光照是沒(méi)有關(guān)系的，基于此便可以通過(guò)對(duì)場(chǎng)景中陰影候選區(qū)域內(nèi)每一個(gè)像素點(diǎn)的8-鄰域內(nèi)所包含的所有像素的所有顏色分量的反射率逐一計(jì)算判斷來(lái)進(jìn)行陰影像素的進(jìn)一步區(qū)分。如若某一像素隸屬于陰影區(qū)域，那么通過(guò)上面的分析知道在陰影遮擋前后該像素點(diǎn)的反射屬性是固定不變的。另外，不可避免的受到系統(tǒng)噪聲等因素的影響，計(jì)算所得到的反射比應(yīng)該會(huì)落在一個(gè)比較小的區(qū)間之內(nèi)。綜上，可以定義Sm(x,y)為視頻圖像序列中(x,y)位置處的陰影候選像素，可根據(jù)式(14)來(lái)計(jì)算像素在RGB顏色空間內(nèi)所有顏色通道上的反射比R。任一像素及其8-鄰域內(nèi)所包含的所有像素Sm(x+i,y+j)(i=-1,0,1；j=-1,0,1)在RGB顏色空間內(nèi)的各個(gè)顏色分量的反射比為

(14)

同理，可以計(jì)算圖像序列中位置為(x,y)處背景模型像素Bm(x,y)的8-鄰域內(nèi)所有像素各個(gè)顏色分量的反射比為

(15)

本文的判定規(guī)則是，如若通過(guò)計(jì)算得到當(dāng)前圖像幀中任一運(yùn)動(dòng)目標(biāo)區(qū)域像素及其8-鄰域內(nèi)所包含的所有像素在RGB顏色空間的各個(gè)顏色通道內(nèi)的反射率的值與對(duì)應(yīng)的背景區(qū)域相同位置處的像素及其8-鄰域內(nèi)所包含的所有像素在RGB顏色空間的各個(gè)顏色通道內(nèi)的反射率的值滿足

(16)

最后，本文將分別使用改進(jìn)HSV陰影去除模型與反射率比陰影去除模型所得到的陰影去除結(jié)果進(jìn)行邏輯或運(yùn)算，將二者檢測(cè)去除結(jié)果進(jìn)行有效結(jié)合，便可得到最終的陰影去除結(jié)果

(17)

3實(shí)驗(yàn)對(duì)比

3.1實(shí)驗(yàn)結(jié)果

針對(duì)本文提出的運(yùn)動(dòng)目標(biāo)陰影去除算法，采用MatlabR2012a[9]進(jìn)行仿真實(shí)驗(yàn)。為驗(yàn)證算法的有效性，分別采用傳統(tǒng)HSV陰影去除算法、改進(jìn)HSV陰影去除算法、反射率不變量陰影去除以及本文所提算法對(duì)4段具有挑戰(zhàn)性的標(biāo)準(zhǔn)視頻圖像進(jìn)行處理，部分處理結(jié)果如圖2～5所示。

a　當(dāng)前圖像　　　b　前景二值圖像　　　c　傳統(tǒng)HSV陰影去除結(jié)果

d　反射率陰影　　　e　改進(jìn)HSV陰影　　　f　本文算法陰影　 去除結(jié)果　　　 　　去除結(jié)果　 　 　　　　去除結(jié)果　　圖2　Highway視頻序列算法仿真結(jié)果

a　當(dāng)前圖像　　　b　前景二值圖像　　　c　傳統(tǒng)HSV陰影去除結(jié)果

d　反射率陰影　　　e　改進(jìn)HSV陰影　　　f　本文算法陰影　 去除結(jié)果　　　 　　去除結(jié)果　 　 　　　　去除結(jié)果　　圖3　Intelligent Room視頻序列算法仿真結(jié)果

a　當(dāng)前圖像　　　b　前景二值圖像　　　c　傳統(tǒng)HSV陰影去除結(jié)果

d　反射率陰影　　　e　改進(jìn)HSV陰影　　　f　本文算法陰影　 去除結(jié)果　　　 　　去除結(jié)果　 　 　　　　去除結(jié)果　　圖4　Laboratory視頻序列算法仿真結(jié)果

a　當(dāng)前圖像　　　b　前景二值圖像　　　c　傳統(tǒng)HSV陰影去除結(jié)果

d　反射率陰影　　　e　改進(jìn)HSV陰影　　　f　本文算法陰影　 去除結(jié)果　　　 　　去除結(jié)果　 　 　　　　去除結(jié)果　　圖5　Library視頻序列算法仿真結(jié)果

本文對(duì)傳統(tǒng)HSV陰影去除算法、改進(jìn)HSV陰影去除算法、反射率不變量陰影去除以及本文所提陰影去除算法分別在4段具有挑戰(zhàn)性的標(biāo)準(zhǔn)視頻圖像環(huán)境下進(jìn)行仿真測(cè)試。仿真結(jié)果可見(jiàn)本文所提陰影去除算法可以有效區(qū)分并去除運(yùn)動(dòng)目標(biāo)的陰影像素，去除效率較傳統(tǒng)方法有明顯提升，改善并提高了目標(biāo)檢測(cè)算法的性能。

3.2度量對(duì)比

本文采用文獻(xiàn)[10]中所提出的陰影檢測(cè)率η和陰影識(shí)別率ε兩個(gè)指標(biāo)對(duì)所提算法的性能進(jìn)行定量評(píng)估，其定義如下

(18)

圖6、圖7所示分別為傳統(tǒng)HSV陰影去除算法、改進(jìn)HSV陰影去除算法以及本文所提陰影去除算法對(duì)四段視頻處理的陰影檢測(cè)率及識(shí)別率對(duì)比。

圖6　不同算法陰影檢測(cè)率對(duì)比

圖7　不同算法陰影識(shí)別率對(duì)比

通過(guò)對(duì)比可見(jiàn)，本文所提算法較之其他幾種方法檢測(cè)效率及檢測(cè)精度均有所提升。

4結(jié)語(yǔ)

本文針對(duì)傳統(tǒng)HSV空間陰影去除模型的不足之處進(jìn)行了針對(duì)性改進(jìn)，并據(jù)此介紹了一種多信息融合的視頻運(yùn)動(dòng)目標(biāo)陰影去除算法。該算法在改進(jìn)HSV空間陰影去除模型的基礎(chǔ)上，進(jìn)一步引入陰影候選像素及其對(duì)應(yīng)背景區(qū)域像素的反射比不變特性來(lái)實(shí)現(xiàn)陰影區(qū)域更為精確的檢測(cè)。針對(duì)不同應(yīng)用場(chǎng)景下的仿真結(jié)果表明，較之其他類(lèi)似算法，本文所提算法無(wú)論是對(duì)于室內(nèi)環(huán)境下人體目標(biāo)的弱陰影檢測(cè)去除還是針對(duì)室外環(huán)境下高速運(yùn)動(dòng)的車(chē)輛目標(biāo)的強(qiáng)陰影檢測(cè)去除，均具有較高的去除效率及準(zhǔn)確率，算法適用性較強(qiáng)，具有較高的工程應(yīng)用價(jià)值。

參考文獻(xiàn)：

[1]杜友田，陳峰，徐文立．基于區(qū)域的運(yùn)動(dòng)陰影檢測(cè)方法[J]．清華大學(xué)學(xué)報(bào)(自然科學(xué)版)，2006，46(1)：141-144.

[2]譚家政，劉勇，邱芹軍．改進(jìn)的HSV陰影去除算法研究[J]．物聯(lián)網(wǎng)技術(shù)，2014(1)：84-86.

[3]黃建強(qiáng)，曹騰飛，郭文靜，等．聯(lián)合兩種顏色空間的陰影檢測(cè)算法[J]．計(jì)算機(jī)技術(shù)與發(fā)展，2014，24(7)：96-97.

[4]李靜，車(chē)進(jìn)，朱金艷．基于顏色空間轉(zhuǎn)換的運(yùn)動(dòng)目標(biāo)檢測(cè)與陰影去除[J]．電視技術(shù)，2013，37(13)：172-175.

[5]高東旭，曹江濤，李平．基于HSV空間陰影去除方法研究與應(yīng)用[J]．電子設(shè)計(jì)工程，2014，22(13)：65-68.

[6]KUMAR P，SENGUPTA K，LEE A，et al. A comparative study of different color spaces for foreground and shadow detection for traffic monitoring system[J]. IEEE international conference on intelligent transportation system，2002(9)： 3-6.

[7]辛慧杰，劉明才，牟連泳，等．基于陰影屬性的運(yùn)動(dòng)陰影檢測(cè)方法[J]．大連民族學(xué)院學(xué)報(bào)，2010，12(3)：255-256.

[8]李廣倫，殳偉群．運(yùn)動(dòng)目標(biāo)的陰影實(shí)時(shí)檢測(cè)和消除[J]．小型微型計(jì)算機(jī)系統(tǒng)，2011，32(2)：361-364.

[9]張德豐．MATLAB數(shù)字圖像處理[M]．北京：機(jī)械工業(yè)出版社，2009.

[10]PRATI A，MIKIC C，TRIVEDI M，et al.Detecting moving shadows： algorithms and evaluation[J]. IEEE transactions on pattern analysis and machine intelligence，2003，25(7)：918-923．

責(zé)任編輯：時(shí)雯

Multiple information fusion of video moving target shadow removal algorithm

ZHANG Peng，YANG Yanxiang

(SchoolofElectricalEngineeringandElectronicInformation,XihuaUniversity，Chengdu610039，China)

Abstract:In view of the series of problems that it is difficult to determine the threshold value in the model of removing the traditional HSV space shadow， and complex to accomplish the computation as well as the improvement of low detection efficiency， which is based on the in-depth algorithmic study for the traditional shadow removing of a moving target， focuses on the purposeful improvement of the first-order gradient information deficiencies in the model of removing the traditional HSV space shadow. Thereafter， it puts forward a new shadow removal algorithm of multiple video information fusions by introducing the reflectance invariants into it. The experiment results have illustrated that this algorithm possesses a higher validity and universality in the practical applications. It can not only improve the algorithm of the traditional HSV space shadow removal， but also realize the more exact detections in the shadow area through the integration of reflectance invariants characteristics between the shadow candidate pixels and the background pixels. In the end， this algorithm is able to effectively distinguish and remove the shadow pixels of the moving object.

Key words:shadow removal； first order gradient information； reflectance； shadow candidate pixels

中圖分類(lèi)號(hào):TN911.73

文獻(xiàn)標(biāo)志碼：A

DOI：10.16280/j.videoe.2016.02.011

收稿日期：2015-05-25

文獻(xiàn)引用格式：張鵬，楊燕翔.多信息融合的視頻運(yùn)動(dòng)目標(biāo)陰影去除算法[J].電視技術(shù),2016，40(2)：59-64.

ZHANG P，YANG Y X. Multiple information fusion of video moving target shadow removal algorithm[J].Video engineering,2016,40(2)：59-64.