机器视觉识别人体行为中的运动阴影检测算法.pdfVIP

机器视觉识别人体行为中的运动阴影检测算法 盖萌萌，李团结 西安电子科技大学机电工程学院，西安 (710071) E-mail：gemeng_sky@163.com 摘 要：基于机器视觉的人体行为识别首先需对人体进行跟踪建模，但人体产生的阴影会带 来很多问题，严重影响识别的正确率。首先证明了反照率比值在相邻4 像素点的一致性，然 后证明了归一化rgb 彩色模型的光度测定不变性，结合两者的特性，提出了一种新的运动阴 影检测算法。在室内和室外各种环境尤其是光照等剧烈变化情况下，进行了该算法的实验测 试，并与基于混合高斯法的实验结果进行了比较，实验结果表明该算法在各种环境下都具有 良好的适应性和鲁棒性，在外界环境变化剧烈时，该算法的运动阴影检出率比混合高斯算法 高20% ，运动阴影误检率降低了24%。 关键词：人体行为识别；反照率；彩色模型；阴影检测 中图分类号：TP391 1. 引言 基于机器视觉的人体行为识别属于人的运动分析的高级处理部分，是一个非常活跃的研 究领域[1] 。未来它将广泛应用于重要场所的智能监控系统、高级人机交互系统、虚拟现实系 统等等。人体行为识别过程主要包括背景干扰的消除、当前场景目标的分类、人体各部分 跟踪模型的建立以及人体行为信息的建模与理解等几个主要部分。 在人体行为识别过程中人体产生的阴影会带来许多问题，它可能会被作为检测目标的一 部分，也可能会被当作一个新的目标，这样就直接导致了检测性能的降低。因此，运动阴 影的检测与消除成为该识别过程的关键技术。 文献[2]提出了一种基于归一化 rgb 彩色模型并结合一些经验规则的阴影检测算法。文献 [3]根据相邻像素点反照率具有时空一致性的特性对阴影区域进行了分割，然后将分割后的 区域与手动分割的真实阴影进行了对比来确认真实阴影。文献[4]采用了混合高斯聚类的思 想(GMSM)对阴影进行了抑制。上述方法在正常环境条件下检测效果比较好，但在急剧变化 的恶劣环境下误检率都很高。 本文结合了反照率的空间信息和归一化彩色的光谱信息，提出了一种新的运动阴影检测 算法。首先对算法进行了详细的介绍，接着设计了相关的实验对算法进行了验证，并与常 用的混合高斯阴影抑制算法进行了比较。 2. 反照率对比 反照率是一个光度测定不变量，起初是用来对图像进行分割。本算法不是用它来进行图 像分割，而是首先计算目标像素 4 邻域的反照率，然后根据反照率在 4 邻域点的一致性判断 目标点是否为阴影点，如果目标点是一阴影点，则该反照率对于前景点和背景点来说都是相 同的。具体实现方法如下。 成像设备的光学传感器的响应值为 I σ (λ)ρ(λ)E (λ)dλ (1) k ∫ k Λ - 1 - 这里，k ∈[R , G, B ] , σ (λ) 是成像设备的光学传感器的灵敏度，ρ(λ) 是空间反照率， k E (λ) 是照射光的频谱。 如果光学传感器的输出值仅取决于光的波长λ ，那么σ (λ) σ ×δ(λ−λ ) 。于是I k k k k k 可以被简化为：