一种基于多特征融合的精确运动阴影检测方法技术

一种基于多特征融合的精确运动阴影检测方法，属于视频图像处理领域。首先，提取视频中的前景图像，对其提取亮度、颜色和纹理三种类型的六个特征。为了尽可能全面地描述这些特征，在亮度约束下，我们提取了多个颜色空间和多尺度图像的颜色信息。同时，纹理信息分别用熵和局部二值模式描述。其次，通过融合这些特征产生一幅特征图。随后，运动阴影可以从特征图上大致确定。最后，为了获得准确的阴影检测结果，通过空间调整来矫正错误分类的像素。大量的实验和比较的结果表明，本发明专利技术具有良好的性能并且优于现有的阴影检测方法。

【技术实现步骤摘要】

本专利技术属于视频图像处理领域。
技术介绍
在许多计算机视觉方面的应用中，如目标跟踪，目标识别，视频监控，视频压缩等，移动的目标检测是一项基本且重要的任务。背景差分是一种检测运动目标的常见方法。然而，阴影总是随着它们对应的目标一起运动以致于很多背景差分的方法不能准确地将它们分开。不准确的判断可能导致目标合并，目标的形状畸变，甚至是目标丢失。因此，检测和消除阴影区域在视频处理和运动分析领域是非常关键和重要的研究问题。一般来说，现有的阴影检测方法可根据不同的特点分为四大类基于色度、基于物理模型、基于几何和基于纹理的方法。基于色度的方法是利用基于阴影区域较暗但几乎保持他们的色度不变的这一假设。单易于实现而且计算开销不大。然而，它们对噪声是敏感的，并且当阴影区域比较暗或者运动的目标与背景有相近的颜色信息时，以上方法是失效的。基于物理模型方法利用一些物理先验知识进行阴影检测，此类方法可以自动地适应复杂场景条件但是需要及时更新阴影模型和用户交互。基于几何的方法利用一些先验知识，如光源，相机位置和目标的几何性质进行运动阴影检测，基于几何的方法不依赖于背景图像作为参考，但需要更多的先验知识和场景的限制。基于纹理的阴影检测方法假设背景图像与阴影区域有类似的纹理而与运动目标有不同的纹理。基于纹理相似的方法独立与颜色信息，并且能抗光照变化。然而，当运动目标和阴影区域与相应的背景区域具有类似纹理信息时该方法是无效的。最近，多个特征融合成为了该研究领域的一个热点。以蓝色效应和边缘信息对潜在的阴影进行分组，Huerta等人通过分析这些区域的时间和空间相似性检测阴影。Lin等人提出了一个结合纹理和统计模型的运动阴影去除算法，它是通过利用边缘信息和灰度特征进行高斯建模实现的。HAMAD等人使用了颜色和纹理信息来确定阴影区域。该方法分别利用了亮度比和信息熵来描述这两个特征。Boroujeni等人提出了一种基于分层混合的MLP专家的半监督分类方法来检测运动阴影。该方法构造了包含颜色亮度、平均照度、色彩失真和光畸变的特征向量来表示环境属性。尽管现存的许多方法中利用了不同特征的融合进行阴影检测，但是对相同类型特征的不同度量还没有得到充分的考虑。此外，这些方法的大部分在串行模式下检测阴影像素而不是并行的，以至于多特征之间的相互补充特性未能充分的展现。
技术实现思路
本专利技术提供，目的是为了精确的检测监控视频中的运动阴影，使得后续的视频分析与处理不受阴影的影响，提出的方法适用于目标跟踪，目标识别，视频监控，视频压缩等。本专利技术采取的技术方案包括以下步骤1、从原始视频中读取t时刻的单帧图像It ;2、采用混合高斯模型提取前景Ft与背景Bt ；混合高斯模型使用K个高斯函数对背景图像中的每个像素进行建模，因此，在第t中贞中(X，y)处观测到的像素It(x, y) = (It(x, y)r, It(x, y)g, It(x, y)b)的概率为本文档来自技高网...

【技术保护点】
一种基于多特征融合的精确运动阴影检测方法，其特征在于包括以下步骤：（1）、从原始视频中读取t时刻的单帧图像It；（2）、采用混合高斯模型提取前景Ft与背景Bt；混合高斯模型使用K个高斯函数对背景图像中的每个像素进行建模，因此，在第t帧中(x,?y)处观测到的像素Bt(x,y)=(It(x,y)r,It(x,y)g,It(x,y)b)的概率为：p(It(x,y))=Σi=1Kωt(x,y)i×η(It(x,y),μt(x,y)i,Σt(x,y)t),---(1)η(It+1(x,y),μt(x,y)i,Σt(x,y)i)=1|2π·Σt(x,y)i|1/2×e-12(It(x,y)-μt(x,y)i)TΣt-1(x,y)i(It(x,y)-μt(x,y)i)其中，ωt(x,y)i，μt(x,y)i和Σt(x,y)i分别是第t帧的第i个高斯函数的权重，均值和协方差矩阵，Σt(x,y)i=σt2(x,y)iI；混合高斯模型训练完成之后，将具有最大权重的高斯函数的均值作为背景图像的像素值，背景图像记为Bt，同时以得到It中的前景图像Ft；（3）、对提取的前景和背景进行特征提取；以亮度约束为前提，提取亮度相似性特征(NCCt)，色度差异特征(Cht)，光度颜色不变量特征(CCCt)，颜色显著性特征(Salt)，熵特征(ΔEt)和局部二值模式(LBPt)六个特征，这六个特征涵盖了亮度、颜色和纹理特征。而且，对于每个特征得到一个特征映射；（4）、构建特征融合图Mapt我们通过对多个特征映射的线性组合来确定像素的类别，为了得到一致的混合特征映射，每个特征映射都被归一化，融合映射Mapt通过下式建立：Mapt=16(N(1-NCCt)+N(Cht)+N(CCCt)+N(ΔEt)+N(Salt)+N(1-LBPt)),---(20)其中N(.)?是归一化操作；一般来说，一个前景图像可能包含运动对象和它们的阴影，因此分类标准遵循如下原则：Obt(x,y)=1,ifMapt(x,y)>TorMtob(x,y)=10,otherwise,Sht(x,y)=Mt(x,y)and⫬Obt(x,y),---(21)其中，T为阈值，Obt(x,y)和Sht(x,y)是运动物体的图像和运动阴影图像的二进制掩膜； Obt(x,y)=1表示像素被标记为移动目标，Sht(x,y)=1像素被标记为阴影；（5）、进行空间调整去掉一些错误分类的像素；为了矫正特征融合后产生的错误分类，我们采用空间调整来提高阴影检测准确率；阴影检测过程中，检测到的阴影区域包括许多正确分类的区域，一些被错误定义的小斑点，类似的情况在检测到的目标区域也会出现，为彻底消除这些小错误分类的斑点，一个连通区域标记算法被用来标记不同的区域，然后，采用尺寸过滤器去除错误斑点，这样，一些孤立的错误区域得到了矫正。...

【技术特征摘要】
1.一种基于多特征融合的精确运动阴影检测方法，其特征在于包括以下步骤 (1)、从原始视频中读取t时刻的单帧图像It; (2)、采用混...

【专利技术属性】
技术研发人员：齐妙，代江艳，孔俊，吕英华，
申请(专利权)人：东北师范大学，
类型：发明
国别省市：