一种用于改善视频中目标检测性能的阴影去除方法技术

本发明专利技术公开了一种用于改善视频中运动目标检测性能的阴影去除方法，涉及智能视频监控、目标检测与跟踪等领域。方法包括：采用背景建模法ViBe提取视频图像的背景和运动前景；利用改进的简单线性迭代聚类算法将视频图像中的运动区域分割为若干超像素；以超像素为基本处理单元，计算RGB颜色空间中背景与运动前景的亮度比率；利用目标与阴影区域亮度比率的取值范围不同初步检测阴影候选区域；计算阴影候选区域中各超像素范围内3通道亮度比率的离散程度，并用标准差来表示；利用阴影区域标准差的特征及其分布规律自适应检测并去除阴影，获得真实的目标图像。本发明专利技术不需要基于任何关于场景或目标的先验知识，基于超像素处理大幅度降低了方法的计算复杂度，采用自适应阈值分割目标与阴影，可以适用于多种真实场景下的阴影去除而无需人工干预。

【技术实现步骤摘要】

本专利技术涉及一种目标检测技术，尤其是涉及一种视频中运动目标的阴影去除方法。
技术介绍
运动目标检测是许多智能视频分析系统的基础环节，如人流量统计，行人重识别，跟踪，行为分析等。由于环境光照的影响，目标投射到地面的阴影会引起目标合并、形变甚至丢失，造成目标误检或漏检，并进一步造成视频后续处理环节失败。因此，研究投射阴影的检测与去除方法具有重要意义。阴影去除可以有效提高目标检测的准确率，现有阴影去除方法根据其使用的特征可分为四类：几何法、物理法、颜色法、纹理法。其中，几何法是通过假定场景中只存在单一光源，利用光源、地面、目标三者的几何关系确定阴影的位置，但前提是场景和目标形状固定。物理法是根据光源和地面的物理属性，利用亮度衰减后验概率模型检测阴影，适用于目标与阴影光谱特征相差较大的场景。颜色法和纹理法是目前使用较多的方法。颜色法主要基于阴影区域亮度变暗而颜色保持不变的假设检测阴影。但是，当目标与阴影颜色差别较小时，基于颜色特征的阴影去除算法会造成目标内部空洞或者有阴影残留。纹理法是基于阴影与相应背景区域纹理相似的假设来去除阴影，但当监控视频中目标较小或背景纹理丰富时，目标与背景的纹理差别不大，很难去除阴影。近来，基于颜色和纹理相结合的方法相继被提出，首先将图像分割为互不重叠的子区域，并提取子区域的颜色和纹理特征，利用监督分类的方法区分阴影与目标。将颜色和纹理相结合的方法提升了阴影检测精度，但其计算量也相对增加，而且基于监督分类的方法需要人工标注训练样本，具有一定的局限性。
技术实现思路
本专利技术的目的是为解决上述问题而提供一种通用性强、效果好的用于改善视频中运动目标检测性能的阴影去除方法。本专利技术通过以下技术方案来实现上述目的：一种用于改善视频中运动目标检测性能的阴影去除方法，主要包括以下步骤：1、采用背景建模法ViBe(Visual Background extractor)提取RGB视频图像的背景和运动前景。2、将原始RGB视频图像转换至CIELAB颜色空间。如果当前待处理图像是视频第一帧，按间距(N是图像中像素点数，M是待分割的超像素数)均匀选取像素作为超像素的中心点Cm＝{lm,am,bm,xm,ym本文档来自技高网...

【技术保护点】
一种用于改善视频图像目标检测性能的阴影去除方法，其特征在于包括以下步骤：(1)采用背景建模法ViBe(Visual Background extractor)提取RGB视频图像的背景和运动前景。(2)将原始RGB视频图像转换至CIELAB颜色空间。如果当前待处理图像是视频第一帧，按间距(N是图像中像素点数，M是待分割的超像素数)均匀选取像素作为超像素的中心点 Cm＝{lm,am,bm,xm,ym},m∈[1,M],l∈[‑100,+100],(a,b)∈[‑128,+127]，l表示像素的亮度值，a,b表示像素的颜色值，(x,y)表示像素的坐标。计算以Cm为中心的3×3邻域像素的梯度值，并将中心点移动到梯度值最小的位置；否则，用前一帧的中心点数据加上一定的位置噪声初始化当前帧中超像素的中心点，即C'm＝{lm,am,bm,(xm+noise),(ym+noise)}，noise表示随机产生的高斯噪声。赋予每一个中心点一个单独的标签。(3)计算任一像素点p(x,y)与以其为中心的2S×2S邻域内的中心点Cm的颜色距离dlab和空间距离dxy：并计算p(x,y)与Cm的距离dS：dS(p(x,y),p(xm,ym))＝dlab(p(x,y),p(xm,ym))+λdxy(p(x,y),p(xm,ym))，是空间距离的权重，n为控制超像素大小一致性的参数，n∈[1,20]，将与像素点距离最小的中心点的标签赋给p(x,y)。(4)计算具有相同标签的像素及其坐标的平均值将作为超像素新的中心 点。计算新旧中心点的迭代残差：若E小于给定阈值Thrd则结束迭代，否则重复步骤(2)和步骤(3)。(5)将面积较小的超像素的标签用其周围面积最大的超像素的标签来代替。若目标的超像素边缘超出了运动前景的边缘，则将其边缘像素修正为运动运动前景对应的边缘像素。(6)将CIELAB视频图像转换为RGB颜色空间。获得视频图像的超像素后，只对属于运动区域的超像素进行处理。计算背景亮度与运动前景亮度的比率C表示R、G、B三通道，b、f分别表示背景和前景。若RC(x,y)＜1，则将该像素所属的超像素标记为真实目标区域O，否则标记为候选阴影区域S'。(7)计算候选阴影区域S'中超像素sk(k∈[1,K]，K是S'中超像素个数)内RC(x,y)的均值uC与标准差σC：将标准差按大小排序，计算排序后相邻标准差的差值difC(k)：difC(k)＝σC(sk+1)‑σC(sk)，以及差值的平均值(dif_avg)C：若difC(m)＜(dif_avg)C，则定义阈值δC＝σC(sk)。若超像素sk满足：σC(sk)＜δC，则将sk标记为阴影区域S，否则标记为O。(8)返回步骤(1)，进行下一帧图像处理。...

【技术特征摘要】
1.一种用于改善视频图像目标检测性能的阴影去除方法，其特征在于包括以下步骤：(1)采用背景建模法ViBe(Visual Background extractor)提取RGB视频图像的背景和运动前景。(...

【专利技术属性】
技术研发人员：何小海，兰丽，吴晓红，滕奇志，王正勇，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51