阴影的消除方法、装置和存储介质制造方法及图纸

本发明专利技术提供一种阴影的消除方法、装置和存储介质，该方法包括：获取序列图像，序列图像中包括多帧图像；根据序列图像，建立高斯混合模型，并对高斯混合模型的参数进行估计；根据参数估计后的高斯混合模型对序列图像进行背景减除，获得序列图像中的前景目标；利用色调‑饱和度‑亮度HSV颜色模型消除前景目标中的阴影。本发明专利技术不仅实现了序列图像中提取的前景目标的阴影消除，而且提高了前景目标阴影消除的准确度和速度。

【技术实现步骤摘要】
阴影的消除方法、装置和存储介质
本专利技术涉及序列图像处理
，尤其涉及一种阴影的消除方法、装置和存储介质。
技术介绍
在序列图像的处理过程中，为了获取所需要的目标信息，需要分离和提取前景目标。而在对前景目标的提取过程中，由于背景的变化，如光照、动态环境、阴影等多种因素的影响，都可能造成帧间的较大差异。为了实时准确地检测物体变化，1997年Wren(Pfinder：Real-timetrackingofthehumanbody.IEEETrans.Patt.)提出为图像中的每个像素建立颜色模型，该模型服从高斯分布。但是单高斯模型(SingleGaussianmodel，SGM)对户外环境的处理效果并不理想。1999年Stauffer和Grimson(Adaptivebackgroundmixturemodelsforreal-timetracking，CVPR，1999.IEEEComputerSocietyConferenceon.)提出了混合高斯模型(Gaussianmixturemodel，GMM)的算法，并广泛应用于鲁棒的复杂场景背景建模。实际应用中，由于背景变化可能造成帧间的较大差异，使用混合高斯模型分离和提取前景目标，前景目标中可能存在阴影，影响目标检测的准确率。现有技术中，在对序列图像进行背景减除提取前景目标的过程中，通常是先对图像进行阴影消除，消除图像中的阴影部分，然后再根据混合高斯模型建模进行背景减除，以提高目标检测的准确率。然而，现有技术中，由于先对图像进行阴影消除，然后再提取前景目标，当阴影和运动物体不容易区分或者背景与运动物体相近时，提取的前景目标容易出现拖影或者空洞等情况，使物体存在阴影或形态不完整，造成前景目标中阴影消除的准确度较低，且运算速度较慢。
技术实现思路
为解决现有技术中存在的问题，本专利技术提供一种阴影的消除方法、装置和存储介质，以提高前景目标中阴影消除的准确度和速度。第一方面，本专利技术实施例提供一种阴影的消除方法，包括：获取序列图像，所述序列图像中包括多帧图像；根据所述序列图像，建立高斯混合模型，并对所述高斯混合模型的参数进行估计；根据参数估计后的高斯混合模型对所述序列图像进行背景减除，获得所述序列图像中的前景目标；利用色调-饱和度-亮度(Hue-Saturation-Value，HSV)颜色模型消除所述前景目标中的阴影。本方案中，通过对获取的序列图像建立高斯混合模型，并对高斯混合模型进行参数估计，然后进行背景减除，获得前景目标，最后再利用HSV颜色模型对提取的前景目标进行阴影消除，不仅实现了序列图像的背景减除，消除前景目标中的阴影，而且提高了背景减除的准确率和速度可选的，所述对所述高斯混合模型的参数进行估计，包括：步骤A：根据所述序列图像，确定高斯混合模型参数估计的初值；步骤B：根据所述初值，计算后验概率期望；步骤C：根据所述后验概率期望和最大化似然函数，更新高斯混合模型参数的值；步骤D：将更新后的所述高斯混合模型参数的值作为新的所述初值，重复执行步骤B-步骤D，直至所述高斯混合模型的参数收敛，以对所述高斯混合模型的参数进行估计。本方案中，通过根据序列图像选择合适的初值，对高斯混合模型的参数进行期望最大化(Expectation-Maximum，EM)参数估计，使混合高斯模型的参数收敛，解决了混合高斯模型实时性较差的问题。可选的，所述根据所述序列图像，确定高斯混合模型参数估计的初值，包括：分别建立所述序列图像的前t帧图像对应的单高斯模型；根据前t帧图像对应的单高斯模型，更新所述高斯混合模型参数，并将t的值加一，并重复执行此步骤，直至t的值等于预设值时，确定所述高斯混合模型参数。本方案中，通过使用前t帧图像对应的单高斯模型参数，确定高斯混合模型的参数，并作为高斯混合模型参数估计的初值，缩小了参数估计的运算范围，极大的降低了计算量，提高了高斯混合模型参数估计的运算速度。可选的，所述根据前t帧图像对应的单高斯模型，更新所述高斯混合模型参数，包括：判断|xt-μt-1,i|是否小于或等于k∑t-1,i，其中，xt为第t帧图像中的任意像素点的灰度值，μt-1,i为第i个所述单高斯模型的均值，∑t-1,i为第i个所述单高斯模型的方差，k为判定阈值；若|xt-μt-1,i|小于或等于k∑t-1,i，则确定所述第t帧图像中的任意像素点符合第i个所述单高斯模型的分布，且根据所述第t帧图像中的任意像素点灰度值xt更新所述混合高斯模型的参数；若|xt-μt-1,i|大于k∑t-1,i，则确定所述第t帧图像中的任意像素点不符合第i个所述单高斯模型的分布，且根据所述第t帧图像中的任意像素点灰度值xt建立新的单高斯模型。可选的，所述根据参数估计后的高斯混合模型对所述序列图像进行背景减除，获得所述序列图像中的前景目标，包括：判断|xt-μt-1,i|是否大于或等于k∑t-1,i；若|xt-μt-1,i|大于或等于k∑t-1,i，则确定所述像素点为所述前景目标对应的像素点。可选的，所述根据参数估计后的高斯混合模型对所述序列图像进行背景减除之前，所述方法还包括：确定各图像对应的单高斯模型中的权值和方差的比值；将各单高斯模型对应的比值按照从大到小的顺序排序，选择前n个单高斯模型；根据所述前n个单高斯模型，确定所述参数估计后的高斯混合模型。在本方案中，通过根据单高斯模型中的权值和方差的比值，选择在混合高斯模型中判定为背景的贡献值较大的单高斯模型，可以去掉一些权值较小，方差较大的单高斯模型，解决了由于突发情况可能对背景判断失误的问题。第二方面，本专利技术实施例提供一种阴影的消除装置，包括：获取模块，用于获取序列图像，所述序列图像中包括多帧图像；处理模块，用于根据所述序列图像，建立高斯混合模型，并对所述高斯混合模型的参数进行估计；减除模块，用于根据参数估计后的高斯混合模型对所述序列图像进行背景减除，获得所述序列图像中的前景目标；消除模块，用于利用HSV颜色模型消除所述前景目标中的阴影。可选的，所述处理模块，具体用于：步骤A：根据所述序列图像，确定高斯混合模型参数估计的初值；步骤B：根据所述初值，计算后验概率期望；步骤C：根据所述后验概率期望和最大化似然函数，更新高斯混合模型参数的值；步骤D：将更新后的所述高斯混合模型参数的值作为新的所述初值，重复执行步骤B-步骤D，直至所述高斯混合模型的参数收敛，以对所述高斯混合模型的参数进行估计。可选的，所述处理模块，具体用于：分别建立所述序列图像的前t帧图像对应的单高斯模型；根据前t帧图像对应的单高斯模型，更新所述高斯混合模型参数，并将t的值加一，并重复执行此步骤，直至t的值等于预设值时，确定所述高斯混合模型参数。可选的，所述处理模块，具体用于：判断|xt-μt-1,i|是否小于或等于k∑t-1,i，其中，xt为第t帧图像中的任意像素点的灰度值，μt-1,i为第i个所述单高斯模型的均值，∑t-1,i为第i个所述单高斯模型的方差，k为判定阈值；若|xt-μt-1,i|小于或等于k∑t-1,i，则确定所述第t帧图像中的任意像素点符合第i个所述单高斯模型的分布，且根据所述第t帧图像中的任意像素点灰度值xt更新所述混合高斯模型的参数；若|xt-μt-1,i|大于k∑t-本文档来自技高网...

【技术保护点】
1.一种阴影的消除方法，其特征在于，包括：获取序列图像，所述序列图像中包括多帧图像；根据所述序列图像，建立高斯混合模型，并对所述高斯混合模型的参数进行估计；根据参数估计后的所述高斯混合模型对所述序列图像进行背景减除，获得所述序列图像中的前景目标；利用色调‑饱和度‑亮度HSV颜色模型消除所述前景目标中的阴影。

【技术特征摘要】
1.一种阴影的消除方法，其特征在于，包括：获取序列图像，所述序列图像中包括多帧图像；根据所述序列图像，建立高斯混合模型，并对所述高斯混合模型的参数进行估计；根据参数估计后的所述高斯混合模型对所述序列图像进行背景减除，获得所述序列图像中的前景目标；利用色调-饱和度-亮度HSV颜色模型消除所述前景目标中的阴影。2.根据权利要求1所述的方法，其特征在于，所述对所述高斯混合模型的参数进行估计，包括：步骤A：根据所述序列图像，确定所述高斯混合模型参数估计的初值；步骤B：根据所述初值，计算后验概率期望；步骤C：根据所述后验概率期望和最大化似然函数，更新所述高斯混合模型参数的值；步骤D：将更新后的所述高斯混合模型参数的值作为新的所述初值，重复执行步骤B-步骤D，直至所述高斯混合模型的参数收敛，以对所述高斯混合模型的参数进行估计。3.根据权利要求2所述的方法，其特征在于，所述根据所述序列图像，确定所述高斯混合模型参数估计的初值，包括：分别建立所述序列图像的前t帧图像对应的单高斯模型；根据前t帧图像对应的所述单高斯模型，更新所述高斯混合模型参数，并将t的值加一，并重复执行此步骤，直至t的值等于预设值时，确定所述高斯混合模型参数。4.根据权利要求3所述的方法，其特征在于，所述根据前t帧图像对应的单高斯模型，更新所述高斯混合模型参数，包括：判断|xt-μt-1，i|是否小于或等于k∑t-1，i，其中，xt为第t帧图像中的任意像素点灰度值，μt-1，i为第i个所述单高斯模型的均值，∑t-1，i为第i个所述单高斯模型的方差，k为判定阈值；若|xt-μt-1，i|小于或等于k∑t-1，i，则确定所述第t帧图像中的任意像素点符合第i个所述单高斯模型的分布，且根据所述第t帧图像中的任意像素点灰度值xt更新所述混合高斯模型的参数；若|xt-μt-1，i|大于k∑t-1，i，则确定所述第t帧图像中的任意像素点不符合第i个所述单高斯模型的分布，且根据所述第t帧图像中的任意像素点灰度值xt建立新...

【专利技术属性】
技术研发人员：胡皓然，马婕，郭菲菲，
申请(专利权)人：北京汽车股份有限公司，
类型：发明
国别省市：北京,11