基于空间相关性和极限学习机的运动阴影检测方法及系统技术方案

本发明专利技术公开了一种基于空间相关性和极限学习机的运动阴影检测方法及系统。所述方法在阴影属性的基础上，同时考虑像素的特性和相邻像素的空间相关性，提取一组由像素级特征和区域级特征组成的特征向量对MCSD‑ELM分类器模型进行训练，构造了一种基于极限学习机的通用分类模型，并利用训练得到的输出连接权值矩阵来确定最终的判别标签，根据所述判别标签标记出候选阴影像素和候选目标像素；进一步对所述候选阴影像素和候选目标像素进行后处理操作，检测出完整的运动目标和运动阴影，有效提高了运动阴影检测的精度和分类器模型的通用性。

Moving shadow detection method and system based on spatial correlation and limit learning machine

【技术实现步骤摘要】
基于空间相关性和极限学习机的运动阴影检测方法及系统
本专利技术涉及运动阴影检测
，特别是涉及一种基于空间相关性和极限学习机的运动阴影检测方法及系统。
技术介绍
运动阴影检测作为许多高级计算机视觉和图像处理应用的基础步骤，近年来受到了越来越多的关注。这是因为投射阴影与其对应的运动物体具有相似的属性，这可能会导致对目标检测的错误分类，进一步降低目标分类、目标跟踪、行为分析、场景解释的性能。因此，迫切需要开发一种有效的运动阴影检测方法将阴影从前景中分离出来。局部纹理描述符对噪声和光照变化都具有较强的鲁棒性，被广泛应用于阴影检测方法中，如Gabor函数、尺度不变局部三元模式(ScaleInvariantLocalTernaryPattern，SILTP)、离散小波变换(DiscreteWaveletTransform，DWT)、梯度信息、非线性色调映射(NonlinearToneMapping，NTM)或它们的组合。然而，当背景和前景的纹理属性相似时，这种方法就会失败，无法实现运动阴影检测。将色度和梯度信息与图像的超图分割相结合，本文档来自技高网...

【技术保护点】
1.一种基于空间相关性和极限学习机的运动阴影检测方法，其特征在于，所述运动阴影检测方法包括：/n获取训练样本的背景图像和前景帧；/n根据所述背景图像和所述前景帧提取所述训练样本的像素级特征；所述像素级特征包括RGB颜色空间的颜色比特征、LRGB颜色空间的亮度比特征以及HSV颜色空间的色彩一致性特征；/n根据所述背景图像和所述前景帧提取所述训练样本的区域级特征；所述区域级特征包括LRGB颜色空间的归一化互相关特征、光照不变的Gabor特征以及改进的局部二值模式特征；/n根据所述像素级特征和所述区域级特征构建所述训练样本的特征向量；/n采用所述特征向量训练MCSD-ELM分类器模型，得到输出连接权...

【技术特征摘要】
1.一种基于空间相关性和极限学习机的运动阴影检测方法，其特征在于，所述运动阴影检测方法包括：
获取训练样本的背景图像和前景帧；
根据所述背景图像和所述前景帧提取所述训练样本的像素级特征；所述像素级特征包括RGB颜色空间的颜色比特征、LRGB颜色空间的亮度比特征以及HSV颜色空间的色彩一致性特征；
根据所述背景图像和所述前景帧提取所述训练样本的区域级特征；所述区域级特征包括LRGB颜色空间的归一化互相关特征、光照不变的Gabor特征以及改进的局部二值模式特征；
根据所述像素级特征和所述区域级特征构建所述训练样本的特征向量；
采用所述特征向量训练MCSD-ELM分类器模型，得到输出连接权值矩阵；
根据所述特征向量和所述输出连接权值矩阵对所述训练样本的前景帧进行分类，确定所述前景帧中各个像素的判别标签；
根据所述判别标签在所述前景帧中标记出候选阴影像素和候选目标像素；
对所述候选阴影像素和所述候选目标像素进行后处理操作，生成完整的运动目标和运动阴影。


2.根据权利要求1所述的运动阴影检测方法，其特征在于，所述根据所述背景图像和所述前景帧提取所述训练样本的RGB颜色空间的颜色比特征，具体包括：
根据所述训练样本的所述背景图像和所述前景帧，采用公式提取所述训练样本的RGB颜色空间的颜色比特征；其中Bc(x,y)为所述背景图像B的c分量中(x,y)处的强度值；Fc(x,y)是所述前景帧F的c分量中(x,y)处的强度值；Kc(x,y)表示c分量中(x,y)处的颜色比；c∈{R,G,B}；R,G,B分别表示所述训练样本的R,G,B分量。


3.根据权利要求2所述的运动阴影检测方法，其特征在于，所述根据所述背景图像和所述前景帧提取所述训练样本的LRGB颜色空间的亮度比特征，具体包括：
采用公式将所述训练样本的RGB分量转换为LRGB分量(L,T1,T2,T3)T；其中(A1,A2,A3)T＝(R,G,B)T；
根据所述LRGB分量(L,T1,T2,T3)T中的L分量，采用公式提取所述训练样本的亮度比特征LLRGB(x，y)；其中FL(x,y)和BL(x,y)分别表示前景帧F和背景图像B在LRGB颜色空间中对应L分量(x,y)处的亮度值。


4.根据权利要求3所述的运动阴影检测方法，其特征在于，所述根据所述背景图像和所述前景帧提取所述训练样本的HSV颜色空间的色彩一致性特征，具体包括：
采用公式H(x，y)＝|Fh(x，y)-Bh(x，y)|确定前景帧F和背景图像B之间的色度差异H(x,y)；
采用公式S(x，y)＝|Fs(x，y)-Bs(x，y)|确定前景帧F和背景图像B之间的饱和度差异S(x,y)；
采用公式确定阴影区域在HSV颜色空间中的高色度值R(x,y)；其中Fh，Fs，Fv分别表示前景帧F在HSV颜色空间中的色度，饱和度，亮度值；Bh和Bs分别表示背景图像B在HSV颜色空间中的色度和饱和度。


5.根据权利要求4所述的运动阴影检测方法，其特征在于，所述根据所述背景图像和所述前景帧提取所述训练样本的LRGB颜色空间的归一化互相关特征，具体包括：
采用公式提取所述训练样本的LRGB颜色空间的归一化互相关特征NCC(x，y)；其中FL(i,j)和BL(i,j)分别表示前景帧F和背景图像B在LRGB颜色空间中的邻域像素q(i,j)的亮度分量在(i,j)处的亮度值；q(i,j)为像素p(x,y)的相邻像素；相邻像素的集合记为(i,j)∈Ωp。


6.根据权利要求5所述的运动阴影检测方法，其特征在于，所述根据所述背景图像和所述前景帧提取所述训练样本的光照不变的Gabor特征，具体包括：
采用公式提取所述训练样本的光照不变的Gabor特征；其中是c分量中(x,y...

【专利技术属性】
技术研发人员：代江艳，侯金奎，张辉辉，陈春雷，
申请(专利权)人：潍坊学院，
类型：发明
国别省市：山东;37