基于阴影流和3dmap-mrf的运动阴影消除.pdfVIP

第２７卷　第７期 信 号 处 理 Ｖｏｌ．２７．　Ｎｏ．７ ２０１１年７月 ＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ Ｊｕｌ．２０１１ 基于阴影流和３ＤＭＡＰＭＲＦ的运动阴影消除 １，２ １，２ 李　波 　袁保宗 （１．北京交通大学信息科学研究所，北京，１０００４４； ２．现代信息科学与网络技术北京市重点实验室，北京１０００４４） 摘　要：阴影消除是运动检测中的一个重要问题。本文提出一种用阴影流和三维马尔可夫随机场后验概率最大化方法 运动阴影消除算法。首先对每个像素建立混合高斯模型，通过阴影弱分类器，将可疑的阴影像素分离出来送到阴影流模型 中。在线学习候选阴影像素，得到置信度高的阴影流模型。然后用混合高斯模型，阴影流和当前图像一起构建一个三维的 马尔可夫随机场模型，将运动目标检测转化为标号组后验概率最大化／能量函数最小化。最后，构建一个与三维ＭＲＦ对应 的三维网络流图，通过动态图切算法，求出图的最小切，即求得 ＭＲＦ标号组的最大后验概率，从而给每个像素分配 “前 景”或 “非前景”标号，达到消除阴影分割运动物体的目的。实验表明本方法在实际视频中取得了较好的效果。 关键词：阴影消除；阴影流；马尔可夫随机场后验概率最大化；图切；混合高斯模型；运动目标检测 中图分类号：ＴＰ３９１．４　　文献标识码：Ａ　　文章编号：１００３－０５３０（２０１１）０７－１０４８－０９ ＭｏｖｉｎｇＳｈａｄｏｗＥｌｉｍｉｎａｔｉｏｎＢａｓｅｄｏｎＳｈａｄｏｗＦｌｏｗａｎｄ３ＤＭＡＰＭＲＦ １，２ １，２ ＬＩＢｏ 　ＹＵＡＮＢａｏｚｏｎｇ （１．ＩｎｓｔｉｔｕｔｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ，ＢｅｉｊｉｎｇＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００４４，Ｃｈｉｎａ； ２．ＢｅｉｊｉｎｇＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｄｖａｎｃｅｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＮｅｔｗｏｒｋＴｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１０００４４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　Ｅｌｉｍｉｎａｔｉｏｎｏｆｓｈａｄｏｗｉｓａｎｉｍｐｏｒｔａｎｔｉｓｓｕｅｉｎｍｏｖｉｎｇｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｅｓｅｎｔａｎｏｖｅｌａｐｐｒｏａｃｈｏｆ ｍｏｖｉｎｇｓｈａｄｏｗｅｌｉｍｉｎａｔｉｏｎｂａｓｅｄｏｎＳｈａｄｏｗＦｌｏｗａｎｄｍａｘｉｍｕｍａｐｏｓｔｅｒｉｏｒｉｐｒｏｂａｂｉｌｉｔｙｏｆ３ＤＭａｒｋｏｖＲａｎｄｏｍＦｉｅｌｄ（３ＤＭＡＰＭＲＦ）． Ｆｉｒｓｔｌｙ，ＧａｕｓｓｉａｎＭｉｘｔｕｒｅＭｏｄｅｌ（ＧＭＭ）ｉｓｂｕｉｌｔａｓｂａｃｋｇｒｏｕｎｄｍｏｄｅｌｏｆｐｅｒｐｉｘｅｌ．ＢｙｃｏｍｐａｒｉｎｇｃｕｒｒｅｎｔｐｉｘｅｌａｎｄＧＭＭ，ｗｅｃｌａｓｓｉｆｙ ｃａｎｄｉｄａｔｅｓｈａｄｏｗｐｉｘｅｌｔｈｒｏｕｇｈａｓｈａｄｏｗｗｅａｋｃｌａｓｓｉｆｉｅｒａｎｄｓｅｎｄｉｔｔｏＳｈａｄｏｗＦｌｏｗＭｏｄｅｌ．Ｔｈｒｏｕｇｈｏｎｌｉｎｅｌｅａｒｎｉｎｇｔｈｅｃａｎｄｉｄａｔｅ ｓｈａｄｏｗｗｈｉｃｈｃｏｍｅｓｆｒｏｍｗｅａｋｃｌａｓｓｉｆｉｅｒ，ｏｕｒｍｅｔｈｏｄｇｅｔｈｉｇｈｃｏｎｆｉｄｅｎｃｅｓｈａｄｏｗｍｏｄｅｌ．Ｔｈｅｎ，３ＤＭＲＦｉｓｃｏｎｓｔｒｕｃｔｅｄｏｆＧＭＭ， ＳｈａｄｏｗＦｌｏｗａｎｄｃｕｒｒｅｎｔｉｍａｇｅｓ．ＭＡＰＭＲＦ／ｍｉｎｅｎｅｒｇｙｉｓｄｅｖｉａｔｅｄｆｒｏｍｍｏｖｉｎｇｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎ．Ｆｉｎａｌｌｙ３Ｄｇｒａｐｈｉｓｃｏｎｓｔｒｕｃｔｅｄａｃ ｃｏｒｄｉｎｇ３ＤＭＲＦ．Ａｄｙｎａｍｉｃｇｒａｐｈｃｕｔｓａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｆｉｎｄｍｉｎｃｕｔ／ｍａｘｆｌｏｗ，ｗｈｉｃｈｉｓｅｑｕａｌｔｏａｍａｘｉｍｕｍｐｏｓｔｅｒｉ