視頻圖像中陰影的處理方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種視頻圖像中陰影的處理方法及其裝置，其中，所述方法包括步驟：S01.采集具有運動目標的視頻圖像；S02.構(gòu)建背景模型并對視頻圖像進行處理；S03.提取前景二值圖的前景輪廓并對前景輪廓進行區(qū)域劃分以獲取若干前景目標塊；S04.根據(jù)圖像匹配算法將前景目標塊劃分為前景區(qū)以及陰影區(qū)；S05.計算陰影區(qū)各像素點的光學增益值并過濾得到候選陰影區(qū)；S06.根據(jù)候選陰影區(qū)的所有像素點的光學增益值與幾何特征構(gòu)建區(qū)域陰影模型并重新判斷前景目標塊的前景區(qū)與陰影區(qū)；S07.去除前景目標塊中的陰影區(qū)。本發(fā)明能夠高效地去除視頻中前景目標投擲的陰影，提高圖像檢測的準確率，有利于提高圖像的處理效果。
【專利說明】視頻圖像中陰影的處理方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，尤其涉及視頻圖像中陰影的處理方法及裝置。
【背景技術(shù)】
[0002]視頻監(jiān)控中對移動前景的正確檢測和跟蹤是后續(xù)行為分析的關(guān)鍵。但是在實際應用中面臨許多挑戰(zhàn)，其中前景目標投擲的陰影就是導致錯誤檢測和跟蹤的問題之一。由前景投擲的陰影會隨著前景目標的移動，從而很容易在檢測中被錯誤判斷為一個新的前景目標，進而導致錯誤的目標跟蹤。除此以外陰影還對導致前景目標檢測框的畸變、相鄰前景目標的錯誤融合等問題。
[0003]視頻中的陰影可以分為兩類:靜態(tài)陰影和動態(tài)陰影；靜態(tài)陰影是由背景中靜態(tài)物體阻塞光照形成(例如，背景中的樹，停泊的車輛等)。靜態(tài)陰影會被融入到背景中，對檢測不會造成很大的影響。動態(tài)陰影是由場景中移動的前景物體阻塞光照形成(例如，行人或者移動的車輛等)；動態(tài)陰影會造成前景檢測框的錯誤合并、前景物體形狀的畸變、或者阻擋其它的前景目標。動態(tài)陰影又分為本影(黑色陰影)和半影(較為柔和的陰影)。半影具有較低的亮度但是與相應的背景區(qū)域具有相近的色度值。本影與對應的背景區(qū)域會有較大的色度差，并且亮度也會與前景目標相近?？梢钥闯?，對于半影我們可以根據(jù)其具有的性
質(zhì):色度失真小于S (δ~O)，亮度失真在一定范圍內(nèi)Ti+< W+< T2 (T1, T2是設(shè)定的閾值)
來檢測并清除陰影， 但對于本影卻不會有好的效果。如果本影的色度與對應的背景色度具有較大的差別時，稱該本影為彩色陰影。
[0004]當前主流的陰影處理方法，基于所選用的特征不同可以分為四類:
[0005](I)基于顏色特征的方法；基于這樣的假設(shè):陰影區(qū)域相對于背景區(qū)域來說，其亮度下降，但是色度值保持不變。例如，一個塊藍色區(qū)域被陰影覆蓋后變成暗藍色，其亮度下降，但是色度不變?；诖说姆椒ㄍǔ６紩x擇一種可以將色度值和亮度值較好分割的顏色空間模型，常見的有c.-T.Chen提出的基于YUK的陰影檢測，Ε.Salvador提出的clc2c3模型陰影檢測，還有基于RGB，HSV模型的方法。
[0006]以R.Cucchiara的基于HSV檢測方法為例，HSV相對于RGB顏色空間，HSV更接近于人類認知心理的顏色空間。HSV顏色空間由色度(Hue)、飽和度(Saturation)、亮度(intensity)分量組成。HSV空間更接近人的視覺反映,可以更精確的分割出區(qū)域的亮度和色度信息，方便對陰影的檢測。對于當前幀k中被檢測為前景的像素Ik(x，y)，其色度分量
為IfdF),飽和度分量為亮度分量為ifry)，定義陰影掩膜為SPk
[0007]
【權(quán)利要求】
1.一種視頻圖像中陰影的處理方法，其特征在于，包括如下步驟: 501、采集具有運動目標的視頻圖像； 502、構(gòu)建背景模型并對視頻圖像進行處理，以去除背景圖像，留下前景二值圖； 503、提取前景二值圖的前景輪廓并對前景輪廓進行區(qū)域劃分以獲取若干前景目標塊； 504、根據(jù)圖像匹配算法將前景目標塊劃分為前景區(qū)以及陰影區(qū)； 505、計算陰影區(qū)各像素點的光學增益值并過濾得到候選陰影區(qū)，所述光學增益值為陰影區(qū)中像素點與對應背景像素點灰度值的比值； 506、根據(jù)候選陰影區(qū)的所有像素點的光學增益值與幾何特征構(gòu)建區(qū)域陰影模型并重新判斷前景目標塊的前景區(qū)與陰影區(qū)； 507、去除前景目標塊中的陰影區(qū)。
2.根據(jù)權(quán)利要求1所述的視頻圖像中陰影的處理方法，其特征在于，所述步驟S02中的背景模型基于VIBE算法而構(gòu)建。
3.根據(jù)權(quán)利要求1所述的視頻圖像中陰影的處理方法，其特征在于，所述步驟S04中的圖像匹配算法為NCC圖像匹配算法。
4.根據(jù)權(quán)利要求1所述的視頻圖像中陰影的處理方法，其特征在于，所述步驟S06中的陰影模型為高斯模型，所述高斯模型的公式如下:
5.根據(jù)權(quán)利要求4所述的視頻圖像中陰影的處理方法，其特征在于，所述高斯模型還包括候選區(qū)像素點的位置信息，具體公式如下:

6.一種視頻圖像中陰影的處理裝置，其特征在于，包括順次電連接的圖像采集模塊、背景圖像處理模塊、目標塊生成模塊、目標塊區(qū)分模塊、陰影區(qū)選擇模塊、陰影模型重構(gòu)模塊以及陰影區(qū)去除模塊； 所述圖像采集模塊，用于采集具有運動目標的視頻圖像； 所述背景圖像處理模塊，用于構(gòu)建背景模型并對視頻圖像進行處理，以去除背景圖像，留下前景二值圖； 所述目標快生成模塊，用于提取前景二值圖的前景輪廓并對前景輪廓進行區(qū)域劃分以獲取若干前景目標塊； 所述目標快區(qū)分模塊，用于根據(jù)圖像匹配算法將前景目標塊劃分為前景區(qū)以及陰影區(qū)； 所述陰影區(qū)選擇模塊，用于計算陰影區(qū)各像素點的光學增益值并過濾得到候選陰影區(qū)，所述光學增益值為陰影區(qū)中像素點與對應背景像素點灰度值的比值； 所述陰影模型重構(gòu)模塊，用于根據(jù)候選陰影區(qū)的所有像素點的光學增益值與幾何特征構(gòu)建區(qū)域陰影模型并重新判斷前景目標塊的前景區(qū)與陰影區(qū)； 所述陰影區(qū)去除模塊，用于去除前景目標塊中的陰影區(qū)。
【文檔編號】G06T5/00GK103971347SQ201410245612
【公開日】2014年8月6日 申請日期:2014年6月4日 優(yōu)先權(quán)日:2014年6月4日
【發(fā)明者】陳雁, 徐亮, 孫凱, 顧文錦 申請人:深圳市賽為智能股份有限公司