一种基于区域的车辆阴影消除方法.docVIP

一种基于区域的车辆阴影消除方法 　　摘要：该文给出了一种基于区域的车辆阴影检测方法。首先将运动前景像素检测出来，利用梯度特征分割运动前景的连通域获取投射阴影的方向，然后再结合区域内的角点及灰度相似性特征分割车辆和其阴影像素。实验结果表明该方法可以有效的检测阴影，并且能够满足实时性的要求。 　　关键词：运动目标检测；阴影检测；阴影消除 　　中图分类号：TP391文献标识码：A文章编号：1009-3044(2008)36-2709-03 　　Region-based Vehicle Cast Shadow Elimination Approach 　　WANG Jing-jing, LUO Li-min 　　(Image Science and Technology Laboratory, Southeast University, Nanjing 210096, China) 　　Abstract: A region-based vehicle cast shadow elimination approach was developed. It first identifies each moving object as a blob, then calculates gradient feature and therefore achieves the direction of the cast shadow, and finally uses corner detection and gray similarity to divide vehicle and its shadow. The experimental result indicates that the approach is effective and can process video sequence in real-time. 　　Key words: moving object detection; shadow detection; shadow elimination 　　1 引言 　　交通视频监控技术近年来成为了一个非常活跃的研究领域，快速准确的检测出运动目标成为了运动目标分析和理解的关键。在很多现实场景中，阴影由于与背景存在明显的差异，并且与运动目标具有相同的运动属性，因此常常会被错误的理解为前景，从而导致真正目标的合并、丢失以及变形，影响了运动目标检测的准确性。物体投射在场景中的阴影按照运动属性可分为运动阴影和静止阴影两类。静止阴影在各种背景建立算法中均可被吸纳为背景，对运动检测几乎没有影响。所以本文的研究重点为车辆投射阴影的消除。 　　目前针对阴影消除的主要方法可以分为两类：基于模型和基于特征的方法[1]。基于模型的方法根据对象的形状、场景、光照等先验条件建立阴影的模型，通过统计分析来判别每个像素点是否属于阴影区域，比如文献[2]采用的高斯混合阴影模型方法(GMSM)。基于模型的方法需要一些先验知识且计算量大，一般只适用于特定场景的阴影消除。基于特征的方法则是先提取出运动前景，然后通过颜色、纹理、梯度等种种特征来检测阴影，最终将阴影和目标分开。阴影像素与背景、目标像素颜色的差异是最常利用的特征，不同的学者提出了多种针对不同颜色空间的算法[3,4]，但是这些方法对场景光照的变化敏感，当运动目标与阴影具有相似的颜色特征时会引起误判。文献[5]对各种基于特征的方法性能优劣做出了详细的分析。本文提出了一种基于区域的车辆阴影消除方法。先用背景差分检测出运动前景，再通过计算运动前景区域内的梯度特征判断阴影所在的方向，最后结合角点和阴影的灰度特征识别出阴影和运动目标以消除阴影。 　　2 运动阴影检测 　　2.1 算法流程 　　本文的主要算法可以分为阴影方向判断、特征点检测和阴影消除三个部分。准确的提取运动前景是整个算法的基础。采用高斯混合模型[6]为背景建模，获得自适应更新的背景图像B，然后使用背景差分法，最后通过形态学滤波获得二值化的运动前景图像F。由于和目标一起运动，运动阴影也被当作前景检测出来,所以本文中提到的运动前景为运动目标及投射阴影组成的连通区域。图1为算法流程。 　　2.2 算法原理 　　2.2.1 判断阴影方向 　　利用运动前景的特征判断阴影的方向，继而确定阴影出现的区域有利于有针对性的消除阴影，减少对无关像素的计算并且避免将运动目标像素误判为阴影，从而提高算法的实时性和准确性。 　　交通监控视频序列中一般背景为平面，且光源远离背景，不同物体表面与光源之间的夹角近似相等，因此如果存在投射阴影，则同一光照场景中不同车辆的阴影方向保持一致。不同的光照场景中，由于光照方向和摄像机架设角度的不同，投射阴影的方向