多尺度对称差分交通视频目标分割及阴影消除①-计算机系统应用.pdfVIP

计 算 机 系 统 应 用 2009 年 第 7 期 ① 多尺度对称差分交通视频目标分割及阴影消除 Moving Objects Segmentation and Shadow Elimination for Traffic Video Based on Multi-Scale Symmetrical Differencing 孙 方 汪同庆 (重庆大学 光电技术及系统教育部重点实验室 重庆 400044) 摘 要： 本文针对固定场景条件下的视频图像序列进行运动目标分割，根据交通场景中同一运动目标在图像中 不同位置的面积和速度不同的特点，采用分级分块多尺度对称差分法和帧间背景像素变化规律优化背 景重建。然后利用背景差分的方法提取运动目标，在运动区域内利用 HSV 颜色空间的阴影特点来消除 阴影，准确提取出完整的车辆图像，为交通状态的分析提供实时准确的信息。 关键词： 背景重建 多尺度对称差分 阴影消除 运动目标分割 1 引言 亮度或颜色特征，忽视了相邻像素间的空间关系，少 智能交通系统(ITS)是现代交通运输的发展方 数基于区域特征的算法，但较复杂，且计算量大。针 向，从视频中提取运动的车辆是交通监控的重要内 对现有背景重构算法存在的问题，本文在基于对称差 容，在智能交通系统中对车辆的检测是获取和管理 分重构背景图像[9]的方法的基础上，根据交通视频序 交通信息的基础，车流量、车速、车龙长度等交通 列的特点进行了一些改进，使该方法更适合交通视频 信息的获取都有赖于对车辆的正确检测。对于固定 序列中的车辆检测。 摄像机捕获的视频图像，运动物体检测主要的方法 有帧差法、背景减法、光流法和运动能量法。帧差 2 多尺度对称差分的目标分割和阴影消除 法[1,2]易造成运动物体透明现象，引起运动物体的误 2.1 交通视频序列的特点 分类；光流法和运动能量法[3-5]能有效地检测出运动 交通视频序列与室内监控视频有一定的区别，从 目标，但运算复杂，如果没有硬件支持很难达到实 标准视频序列 highwayII 不同的两个点中提取其像素 时处理的要求。背景减法[6-8]是目前使用的主要方 值变化情况，一个点位于图像底部，另一个位于图像 法，能较好地检测出运动目标，由于检测过程中天 的顶部，观察同一辆较大的运动车辆完全通过这两个 气、光线等环境变化的影响，造成运动背景的不稳 位置的灰度变化曲线如图 1所示，图中用*表示的曲线 定，从而增加了背景提取的复杂性，故自适应的背 是底部位置车辆通过的情况，灰度变化大(车辆通过此 景模型尤为重要。 位置)的部分共有 7 帧，图中用+表示的曲线是顶部位 实际场景中很难获得不含前景运动目标的背景图 置车辆通过的情况，灰度变化大(车辆通过此位置)的部 像，所以要利用含有运动目标的图像构建背景并及时