專利名稱：基于顏色和梯度特征的運動陰影檢測方法
技術(shù)領(lǐng)域：
本發(fā)明技術(shù)涉及一種基于顏色和梯度特征的運動陰影檢測方法。
背景技術(shù)：
對視頻序列中運動物體的分割是許多機(jī)器視覺和視頻分析應(yīng)用的基本任務(wù)，例如視頻監(jiān)控、人體探測與跟蹤、多媒體索引以及視頻編碼等。精確的運動物體分割也將大大提高目標(biāo)跟蹤、識別、分類和運動分析的性能。然而在運動目標(biāo)檢測與分割的過程中，由于光線照射物體，會使運動目標(biāo)產(chǎn)生相應(yīng)的陰影。產(chǎn)生的陰影會隨著運動目標(biāo)的運動而運動， 在進(jìn)行目標(biāo)檢測時，如果不對陰影進(jìn)行處理，很有可能會將陰影作為運動目標(biāo)檢測出來，這樣，對后期的跟蹤、識別造成了很大的干擾。目前，陰影檢測方法主要分為基于模型或者基于特征兩種?；谀Ｐ偷姆椒ɡ脠鼍?、照明和目標(biāo)的幾何特征建立模型，如場景的三維構(gòu)造、前景物體可用模型描述等，但其只適用于一些特殊的場景，方法局限性大。另外該方法計算復(fù)雜，不適于實時的應(yīng)用。另一方面，基于特征的方法利用圖像的顏色、梯度、紋理等特征識別陰影。這類方法一般是先檢測運動前景區(qū)域，再進(jìn)一步分成物體和陰影。但現(xiàn)有方法常常只考慮運動目標(biāo)與陰影單個特征的區(qū)別，導(dǎo)致檢測正確率不高。如一種方法為采用HSV顏色空間，認(rèn)為陰影降低了所覆蓋區(qū)域的亮度值，但色度和飽和度值在一定范圍內(nèi)變化，此方法的缺點是對光照變化較為敏感，如果物體的部分像素和陰影具有相似的顏色特征，會將物體誤判為陰影。也有利用多個特征的聯(lián)合概率密度進(jìn)行建模再與閾值相比較的方法，但其數(shù)據(jù)計算量大，耗費時間多，影響陰影檢測的實時性，難以應(yīng)用到實時場合。

發(fā)明內(nèi)容
本發(fā)明的目的是提出一種基于顏色和梯度特征的運動陰影檢測方法，該方法能適應(yīng)各種復(fù)雜場景，提高陰影檢測的準(zhǔn)確性和實時性。本發(fā)明的技術(shù)解決方案如下一種基于顏色和梯度特征的運動陰影檢測方法，其特征在于，包括以下步驟步驟1 采集t幀初始圖像，建立背景模型，得到背景圖像；(其中t的取值范圍為50 300幀，t優(yōu)選取100幀步驟2 將當(dāng)前所獲取的視頻流圖像作為輸入圖像與背景圖像差分，檢測出運動目標(biāo)，確定運動目標(biāo)區(qū)域；步驟3 分別采用基于顏色特征和基于梯度特征的方法對運動目標(biāo)區(qū)域進(jìn)行陰影檢測；步驟4:將兩種方法得到的陰影區(qū)域進(jìn)行與操作并做形態(tài)學(xué)處理，確定最終的陰影區(qū)域；步驟5 利用當(dāng)前輸入圖像對背景模型更新，返回到步驟2。所述的步驟1為
利用當(dāng)前輸入圖像的前t幀圖像作為背景圖像估計的參考圖像，利用這t幀圖像建立背景模型；設(shè)Xl，X2,…，Xt為t幀圖像中某同一位置的像素點集合，把它們作為背景圖像在這一點的一組觀測值樣本，采用均值位移法獲得背景圖像這一點的估計值方法為
權(quán)利要求
1.一種基于顏色和梯度特征的運動陰影檢測方法，其特征在于，包括以下步驟 步驟1 采集t幀初始圖像，建立背景模型，得到背景圖像；步驟2:將當(dāng)前所獲取的視頻流圖像作為輸入圖像與背景圖像差分，檢測出運動目標(biāo)， 確定運動目標(biāo)區(qū)域；步驟3 分別采用基于顏色特征和基于梯度特征的方法對運動目標(biāo)區(qū)域進(jìn)行陰影檢測；步驟4:將兩種方法得到的陰影區(qū)域進(jìn)行與操作并做形態(tài)學(xué)處理，確定最終的陰影區(qū)域；步驟5 利用當(dāng)前輸入圖像對背景模型更新，返回到步驟2。
2.根據(jù)權(quán)利要求1所述的基于顏色和梯度特征的運動陰影檢測方法，其特征在于，所述的步驟1為利用當(dāng)前輸入圖像的前t幀圖像作為背景圖像估計的參考圖像，利用這t幀圖像建立背景模型；設(shè)Xl，X2,…，xt為t幀圖像中某同一位置的像素點集合，把它們作為背景圖像在這一點的一組觀測值樣本，采用均值位移法獲得背景圖像這一點的估計值方法為
3.根據(jù)權(quán)利要求1所述的基于顏色和梯度特征的運動陰影檢測方法，其特征在于，所述的步驟2為前輸入圖像與背景中對應(yīng)像素點的RGB分量差值中選擇一最大值，標(biāo)記為 DV(x，y)，iDV(x，y)大于閾值TL時，判斷(x, y)像素為運動像素，標(biāo)記為g(x，y) = 1，否則標(biāo)記g(x，y) = 0 ；對于M*N大小的圖像，TL的計算公式如下
4.根據(jù)權(quán)利要求1所述的基于顏色和梯度特征的運動陰影檢測方法，其特征在于，所述的步驟3為步驟a 利用Sobel梯度算子對原圖像運動區(qū)域的RGB三通道進(jìn)行邊緣檢測，并把RGB 三通道的梯度值具有一致變化方向的點作為候選陰影區(qū)域的輪廓點，記此時輪廓點的集合為S。，顯然S。中不僅有陰影的輪廓點，還可能有亮度較低的物體的輪廓點；步驟b 將圖像變換到C1C2C3顏色空間，再對變換后的圖像利用Sobel梯度算子進(jìn)行邊緣檢測；由于C1C2C3顏色空間對光照不敏感，因此此時得到的輪廓點集合中，只包含物體的輪廓點；C1C2C3顏色空間定義為
5.根據(jù)權(quán)利要求1 4任一項所述的基于顏色和梯度特征的運動陰影檢測方法，其特征在于，所述的步驟4中形態(tài)學(xué)處理過程為為進(jìn)一步改善運動陰影檢測結(jié)果，對得到的Smsl區(qū)域和Sms2區(qū)域進(jìn)行“與”操作和“或” 操作，得到“與”圖和“或”圖。然后，利用連通區(qū)域分析得到每個連通區(qū)域，稱為一個團(tuán)塊。 在“與”圖中獲取每個團(tuán)塊的質(zhì)心點，然后判斷“或”圖中的哪個團(tuán)塊含有該質(zhì)心點，如果含有則保留“或”圖中的此團(tuán)塊.最后將“與”圖中不含而“或”圖中含有的質(zhì)心點的團(tuán)塊刪除，最后對“或”圖的結(jié)果再進(jìn)行一次形態(tài)學(xué)閉運算，得到最終的運動目標(biāo)。
6.根據(jù)權(quán)利要求4所述的基于顏色和梯度特征的運動陰影檢測方法，其特征在于，所述其中基于顏色和梯度特征的運動陰影檢測方法，只在當(dāng)前圖像上的運動區(qū)域的像素點進(jìn)行陰影檢測，以提高運算速度。
全文摘要
本發(fā)明提出了一種基于顏色和梯度特征的運動目標(biāo)陰影檢測方法，該方法采集若干幀初始圖像，采用均值位移法建立背景模型，得到背景圖像；將當(dāng)前所獲取的視頻流圖像作為輸入圖像與背景圖像差分，檢測出運動目標(biāo)，確定運動目標(biāo)區(qū)域；分別采用基于顏色特征和基于梯度特征的方法對運動目標(biāo)區(qū)域進(jìn)行陰影檢測；將兩種方法得到的陰影區(qū)域進(jìn)行與操作并做形態(tài)學(xué)處理，確定最終的陰影區(qū)域；且利用當(dāng)前輸入圖像對背景模型實時更新。本發(fā)明背景模型準(zhǔn)確性高，并融合陰影的顏色特征和紋理特征對運動物體和陰影進(jìn)行區(qū)分，減少了噪聲以及其他因素對陰影的干擾，從而提高了陰影檢測的準(zhǔn)確率。
文檔編號G06T7/20GK102298781SQ20111023355
公開日2011年12月28日 申請日期2011年8月16日 優(yōu)先權(quán)日2011年8月16日
發(fā)明者倪蘭, 劉雄飛, 孫克輝, 尹林子, 李岸, 石震宇, 許雪梅 申請人:長沙中意電子科技有限公司