[发明专利]一种用于改善视频中目标检测性能的阴影去除方法

摘要

本发明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。

主权项

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，按间距均匀选取像素作为超像素的中心点C_m＝{l_m,a_m,b_m,x_m,y_m},m∈[1,M],l∈[‑100,+100],(a,b)∈[‑128,+127]，其中N是图像中像素点数，M是待分割的超像素数，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C_m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＝{l_m,a_m,b_m,(x_m+noise),(y_m+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C_m的颜色距离d_lab和空间距离d_xy：并计算p(x,y)与C_m的距离d_S：d_S(p(x,y),p(x_m,y_m))＝d_lab(p(x,y),p(x_m,y_m))+λd_xy(p(x,y),p(x_m,y_m))，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小于给定阈值时停止迭代，进入步骤(5)，否则，重复步骤(3)和步骤(4)，不断更新计算对应的E值，直至E小于给定阈值；(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R_C(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s_k内R_C(x,y)的均值u_C与标准差σ_C：其中k∈[1,K]，K是S'中超像素个数，将标准差进行排序，计算排序后相邻标准差的差值dif_C(k)：dif_C(k)＝σ_C(s_k+1)‑σ_C(s_k)，以及差值的平均值(dif_avg)_C：若dif_C(k)＜(dif_avg)_C，则定义阈值δ_C＝σ_C(s_k)；若超像素s_k满足：σ_C(s_k)＜δ_C，则将s_k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。