專利名稱：視頻圖像中運(yùn)動(dòng)目標(biāo)陰影消除方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，特別涉及一種視頻圖像中運(yùn)動(dòng)目標(biāo)陰影消除方法。
背景技術(shù)：
由于在實(shí)際的監(jiān)控環(huán)境中，運(yùn)動(dòng)物體受到光照的影響，會(huì)不可避免的在其附近形成移動(dòng)陰影。運(yùn)動(dòng)陰影會(huì)造成目標(biāo)的失真，嚴(yán)重影響圖像分析的準(zhǔn)確度，對(duì)于系統(tǒng)整體性能的提高有較大的影響。所以有必要對(duì)包含大量移動(dòng)陰影的目標(biāo)進(jìn)行陰影抑制和消除。陰影的形成主要是由于運(yùn)動(dòng)目標(biāo)遮擋了光源的直接照射而在場(chǎng)景中形成的暗區(qū)域，根據(jù)陰影的特性可以分為兩類:自陰影和投射陰影。自陰影是目標(biāo)自身不能被光線直接照射的部分，投影則是目標(biāo)沿光源方向投射形成的暗區(qū)域。在運(yùn)動(dòng)陰影檢測(cè)中，主要是針對(duì)于投射陰影，也成為運(yùn)動(dòng)投射陰影(moving cast shadow)。陰影檢測(cè)算法主要分為兩類:一種是基于幾何模型的方法主要是利用場(chǎng)景的先驗(yàn)信息，建立陰影檢測(cè)模型，對(duì)三維運(yùn)動(dòng)目標(biāo)的棱、線、角等進(jìn)行匹配，此方法通常要求特定的場(chǎng)景條件；另一種是陰影的自身特征主要是指亮度、色彩和紋理等信息，然后根據(jù)這些特征同非陰影區(qū)進(jìn)行區(qū)分。這種根據(jù)陰影自身特征的區(qū)分方法雖然不需要特定的場(chǎng)景條件，但是容易造成目標(biāo)與陰影粘連，無(wú)法提取完整的邊緣信息，從而導(dǎo)致目標(biāo)的失真。如何在不特定的場(chǎng)景條件下，提取比較完整的運(yùn)動(dòng)目標(biāo)邊緣信息，從而還原比較真實(shí)的運(yùn)動(dòng)目標(biāo)成為需要解決的一大問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明提供的一種視頻圖像中運(yùn)動(dòng)目標(biāo)陰影消除方法以克服現(xiàn)有技術(shù)所存在的上述缺點(diǎn)和不足。本發(fā)明提供的一種視頻圖像中運(yùn)動(dòng)目標(biāo)陰影消除方法，其特征在于，包括以下步驟:步驟A.建立視頻圖像實(shí)時(shí)更新的背景模型；步驟B.根據(jù)背景模型，使用幀間差分法獲得含有陰影的運(yùn)動(dòng)目標(biāo)圖像；步驟C.對(duì)含有陰影的運(yùn)動(dòng)目標(biāo)圖像進(jìn)行HSV色彩空間轉(zhuǎn)換，獲得含有陰影的運(yùn)動(dòng)目標(biāo)圖像的色度分量、飽和度分量和亮度分量；步驟D.根據(jù)預(yù)設(shè)網(wǎng)格，計(jì)算每個(gè)預(yù)設(shè)網(wǎng)格的亮度分量的均值和方差；步驟E.根據(jù)均值和方差獲得初始聚類中心，將均值和方差作為二維特征向量，使用K-means算法進(jìn)行聚類，獲得聚類中心；步驟F.根據(jù)聚類中心，將色度分量、飽和度分量和亮度分量作為三維特征向量，使用K-means算法進(jìn)行聚類，獲得最終聚類中心，根據(jù)最終聚類中心獲得陰影區(qū)域；步驟G.對(duì)含有陰影的運(yùn)動(dòng)目標(biāo)圖像進(jìn)行閾值化處理，獲得含有陰影的運(yùn)動(dòng)目標(biāo)的二值圖像，在陰影區(qū)域?qū)⒍祱D像的像素值設(shè)定為零，消除二值圖像中的陰影。
另外，本發(fā)明提供的視頻圖像中運(yùn)動(dòng)目標(biāo)陰影消除方法還可以具有這樣的特征:步驟A中的背景模型為混合高斯背景模型。進(jìn)一步，本發(fā)明提供的視頻圖像中運(yùn)動(dòng)目標(biāo)陰影消除方法還可以具有這樣的特征:其中K-means算法包括以下步驟:
Ml.選取聚類類別數(shù)k ；M2.在樣本D中隨機(jī)選擇k個(gè)初始聚類中心；M3.對(duì)樣本D中的所有點(diǎn)Xi (i=l, 2，…，N)，按歐式距離分配給某個(gè)聚類中心Cj(j=l, 2,..., k),計(jì)算公式如下:
權(quán)利要求
1.一種視頻圖像中運(yùn)動(dòng)目標(biāo)陰影消除方法，其特征在于，包括以下步驟: A.建立所述視頻圖像實(shí)時(shí)更新的背景模型； B.根據(jù)所述背景模型，使用幀間差分法獲得含有陰影的運(yùn)動(dòng)目標(biāo)圖像； C.對(duì)所述含有陰影的運(yùn)動(dòng)目標(biāo)圖像進(jìn)行HSV色彩空間轉(zhuǎn)換，獲得所述含有陰影的運(yùn)動(dòng)目標(biāo)圖像的色度分量、飽和度分量和亮度分量； D.根據(jù)預(yù)設(shè)網(wǎng)格，計(jì)算每個(gè)所述預(yù)設(shè)網(wǎng)格的所述亮度分量的均值和方差； E.根據(jù)所述均值和所述方差獲得初始聚類中心，將所述均值和所述方差作為二維特征向量，使用K-means算法進(jìn)行聚類，獲得聚類中心； F.將所述聚類中心作為二次聚類計(jì)算的初始類聚中心，將所述色度分量、所述飽和度分量和所述亮度分量作為三維特征向量，使用K-means算法進(jìn)行聚類，獲得最終聚類中心，根據(jù)所述最終聚類中心獲得陰影區(qū)域； G.對(duì)所述含有陰影的運(yùn)動(dòng)目標(biāo)圖像進(jìn)行閾值化處理，獲得含有陰影的運(yùn)動(dòng)目標(biāo)的二值圖像，在所述陰影區(qū)域?qū)⑺龆祱D像的像素值設(shè)定為零，消除所述二值圖像中的陰影。
2.如權(quán)利要求1所述的視頻圖像中運(yùn)動(dòng)目標(biāo)陰影消除方法，其特征在于: 其中，步驟A所述背景模型為混合高斯背景模型。
3.如權(quán)利要求1所述的視頻圖像中運(yùn)動(dòng)目標(biāo)陰影消除方法，其特征在于: 其中，所述的K-means算法包括以下步驟:` Ml.選取聚類類別數(shù)k; M 2.在樣本D中隨機(jī)選擇所述k個(gè)初始聚類中心； M 3.對(duì)所述樣本D中的所有點(diǎn)Xi (i=l, 2，，…，N)，按歐式距離分配給某個(gè)聚類中心Cj (j=l, 2，，…，k)，計(jì)算公式如下:
全文摘要
本發(fā)明提供的一種視頻圖像中運(yùn)動(dòng)目標(biāo)陰影消除方法，具有這樣的特征，包括以下步驟建立視頻圖像實(shí)時(shí)更新的背景模型；根據(jù)背景模型，使用幀間差分法獲得含有陰影的運(yùn)動(dòng)目標(biāo)圖像；對(duì)含有陰影的運(yùn)動(dòng)目標(biāo)圖像進(jìn)行HSV色彩空間轉(zhuǎn)換，獲得含有陰影的運(yùn)動(dòng)目標(biāo)圖像的色度分量、飽和度分量和亮度分量；根據(jù)預(yù)設(shè)網(wǎng)格，計(jì)算每個(gè)預(yù)設(shè)網(wǎng)格的亮度分量的均值和方差；將均值和方差作為二維特征向量，使用K-means算法進(jìn)行聚類；將色度分量、所述飽和度分量和所述亮度分量作為三維特征向量，使用K-means算法進(jìn)行聚類，獲得陰影區(qū)域；在陰影區(qū)域?qū)⒍祱D像的像素值設(shè)定為零，消除二值圖像中的陰影。
文檔編號(hào)G06T5/00GK103164847SQ20131011354
公開日2013年6月19日 申請(qǐng)日期2013年4月3日 優(yōu)先權(quán)日2013年4月3日
發(fā)明者奚傳立, 陳曉榮, 楊旭 申請(qǐng)人:上海理工大學(xué)