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