陳云彪 鄭賢超

【摘要】運(yùn)動目標(biāo)的影子會降低視頻監(jiān)控的性能，本文提出了一個提高目標(biāo)跟蹤精確率的去影算法。該算法由四部分組成：建立一個實(shí)時(shí)性很強(qiáng)自動更新的背景模型，提取運(yùn)動目標(biāo)區(qū)域，消除運(yùn)動目標(biāo)的影子，最后對已去影的運(yùn)動目標(biāo)進(jìn)行檢測和跟蹤。實(shí)驗(yàn)結(jié)果表明我們的算法在處理目標(biāo)去影跟蹤上有著良好的性能，能在一定的程度上解決運(yùn)動目標(biāo)的遮擋問題，并去除目標(biāo)自的陰影，提高了運(yùn)動目標(biāo)跟蹤的魯棒性。

【關(guān)鍵詞】背景建模;陰影去除;灰度直方圖;背景相差;跟蹤

1.引言

在日新月異的計(jì)算機(jī)視覺技術(shù)發(fā)展中，行人定位變得越來越重要，尤其在智能視頻監(jiān)控領(lǐng)域。智能視頻系統(tǒng)可以迅速從原始視頻幀中提取有用信息，同時(shí)它不僅解決了單一對象的細(xì)節(jié)檢測，還增強(qiáng)了運(yùn)動目標(biāo)去影檢測跟蹤的魯棒性[1]。運(yùn)動目標(biāo)的跟蹤意味著要準(zhǔn)確檢測其在視頻序列中的位置和形狀。運(yùn)動的目標(biāo)和其他靜止目標(biāo)都會在強(qiáng)光下產(chǎn)生影子，因此運(yùn)動目標(biāo)的其中一個跟蹤難度就是去除陰影的影響，不然就會降低跟蹤精度。

在視頻系列中對運(yùn)動目標(biāo)的陰影去除分為基于模型和基于屬性特征[2]?；谀Ｐ偷挠休^大的局限性，是依據(jù)統(tǒng)計(jì)信息對特定場景的處理，需要事先知道場景分布，光照不同等先驗(yàn)信息，所以難度較大可行性較小?；趯傩缘姆椒▌t是對顏色、亮度等方面的屬性來檢測陰影[3]。陰影有和運(yùn)動目標(biāo)相同的速度，本文提出了一個多個運(yùn)動目標(biāo)跟蹤的監(jiān)控系統(tǒng)。背景由一個固定的攝像機(jī)拍攝，我們的目標(biāo)是從拍攝的視頻序列信息中實(shí)現(xiàn)精確跟蹤。該算法基于灰度直方圖空間來消除目標(biāo)陰影并且對運(yùn)動目標(biāo)進(jìn)行檢測跟蹤。在灰度直方圖空間中，根據(jù)運(yùn)動物體和陰影之間像素值的不同可以將前景像素分為陰影和非陰影部分，用這種方式我們可以消除每一個陰影。在靜態(tài)背景下，我們使用了背景消除的方法去提取運(yùn)動目標(biāo)區(qū)域，同時(shí)基于灰度直方圖空間去除陰影，最后在去影后的運(yùn)動目標(biāo)區(qū)域?qū)\(yùn)動目標(biāo)較為準(zhǔn)確的跟蹤。

2.提取運(yùn)動目標(biāo)

我們運(yùn)用高斯函數(shù)對背景模型進(jìn)行更新，并運(yùn)用背景相差法提取運(yùn)動目標(biāo)。背景圖像每個像素可以用K個高斯函數(shù)來表示，如下所示：

（1）

式中，K是混合高斯模型中高斯分布的個數(shù)，一般取3～5，Xt是在t時(shí)刻由紅、綠和藍(lán)色構(gòu)成的像素值，表示在時(shí)刻t時(shí)刻的高斯分布的權(quán)系數(shù)估計(jì)值，和分別是均值向量和協(xié)方差矩陣，為高斯函數(shù)的密度函數(shù)。

（2）

（3）

（4）

通過高斯建模法背立后背景模型并更新后運(yùn)用背景相差法來提取運(yùn)動目標(biāo)。背景相差法是攝像頭固定即背景靜止下運(yùn)動目標(biāo)提取的一種思路，建立背景模型下，當(dāng)前幀差與背景圖像的差分圖像便是需要的運(yùn)動目標(biāo)。由此可知運(yùn)動目標(biāo)為：

（5）

式中I（x，y，t）為當(dāng)前圖像，b（x，y，t）為背景圖像，n（x，y，t）為噪聲部分，這樣再依據(jù)閾值分割原理的判斷原則得到運(yùn)動目標(biāo)圖像，如下：

（6）

式中T為閾值。

3.灰度直方圖中陰影去除

在視頻系列中陰影去除的方法眾多，不少學(xué)者提出了運(yùn)用色度和飽和度在陰影區(qū)域和非陰影區(qū)域的微小變化消除陰影[4]。也有學(xué)者在HSV空間根據(jù)顏色屬性設(shè)定相應(yīng)的閾值去除陰影[5]。但是當(dāng)場景發(fā)生變化或有噪聲引入時(shí)，在HSV空間檢測到的陰影區(qū)域和運(yùn)動目標(biāo)的區(qū)域接近，去除的結(jié)果也是不可靠的。我們根據(jù)前人的工作[6，7]，我們運(yùn)用了再灰度直方圖中去除陰影，這種方法消耗內(nèi)存少，計(jì)算準(zhǔn)確能更好的去除陰影。

在灰度直方圖中，陰影區(qū)域可以被映射到灰度直方圖中的像素空間中，在像素空間，可以顯示陰影區(qū)域和非陰影區(qū)域的灰度信息，在灰度直方圖中能有效的去除噪聲的影響。算法步驟如下：

1）把提取的運(yùn)動目標(biāo)圖像轉(zhuǎn)化灰度圖像。據(jù)此，根據(jù)真彩圖像轉(zhuǎn)換為灰度圖像的原理，再對圖像進(jìn)行灰度統(tǒng)計(jì)，計(jì)算灰度直方圖的函數(shù)如下：

（7）

其中：

K{0，1，2，…，L-2}，，H（k）為在圖像中出現(xiàn)的頻率，K為灰度值數(shù)，根據(jù)文獻(xiàn)[8]，灰度直方圖中的函數(shù)定義為：

（8）

式中

K{0，1，2，…，L-2}，L為灰度等級。

2）依據(jù)灰度直方圖中的函數(shù)計(jì)算直方圖勢函數(shù)，進(jìn)而計(jì)算直方圖勢函數(shù)pH（k）的一階差分：p（k）=pH（k+1）-pH（k）

K{0，1，2，…，L-2}

3）p（k）第一個由負(fù)到正的拐點(diǎn)，即為灰度直方圖中的第一個極小值，對應(yīng)的灰度值為為灰度分割閾值T。

4）根據(jù)以上式子，把提取出的運(yùn)動目標(biāo)進(jìn)行閾值侵害，得到ft（x，y），式子如下：

（10）

在灰度直方圖中，陰影的灰度等級比提取的目標(biāo)要低，灰度圖中的峰值和峰谷是不同的，根據(jù)灰度直方圖第的第一個波峰波谷的特性，在分析了灰度值方圖的峰谷后，我們選第一波谷作為檢測陰影的閾值[9]，進(jìn)行閾值分割后，得到的提取出的運(yùn)動圖像便是去除陰影后的跟蹤圖像。

4.實(shí)驗(yàn)結(jié)果

如圖1-4所示，我們選取了高速公路的測試場景，在這個場景中，運(yùn)動目標(biāo)多個，太陽較強(qiáng)，影子強(qiáng)烈，如果不進(jìn)行去除陰影，目標(biāo)的跟蹤會受到極大的影響。

提取運(yùn)動目標(biāo)的灰度圖通過算法生成歸一化的直方圖，因?yàn)橛胁糠衷肼暤母蓴_，因此，我們在運(yùn)用均衡化的直方圖（如圖5所示）處理，根據(jù)波峰波谷的特性設(shè)定閾值并且在直方圖空間中去除陰影。

如圖6-9所示，我們的算法可以比較好的建立背景模型并進(jìn)行更新，提取出的運(yùn)動目標(biāo)也更為準(zhǔn)確，并且也包含陰影，在灰度直方圖中，灰度勢函數(shù)呈多峰多谷的分布，根據(jù)直方圖的峰值特性，自動設(shè)定閾值后可以比較好的去除目標(biāo)陰影如圖6所示，但是去除陰影后還會包含有空洞，所以我們還進(jìn)行了數(shù)學(xué)形態(tài)學(xué)的處理進(jìn)行膨脹和腐蝕，處理后的結(jié)果如圖7所示，最后在進(jìn)行目標(biāo)實(shí)時(shí)跟蹤，因?yàn)楸容^好的去除陰影，所以跟蹤結(jié)果也可以比較精確無陰影的干擾。

5.總結(jié)

本文主要是運(yùn)用了高斯函數(shù)來進(jìn)行背景建模并實(shí)時(shí)的進(jìn)行背景更新，背景相差來提取運(yùn)動目標(biāo)，并在灰度直方圖空間中對提取的運(yùn)動目標(biāo)進(jìn)行陰影直方圖的統(tǒng)計(jì)，根據(jù)直方圖的特性，運(yùn)用一階差分法選取了適當(dāng)?shù)拈撝捣指铧c(diǎn)。我們對實(shí)驗(yàn)進(jìn)行測試表明，該算法可以有效的去除光照變化，物體移動，場景微調(diào)等噪聲的影響，建立較為準(zhǔn)確的背景模型，能夠完成灰度直方圖中閾值的分割及選取，對陰影進(jìn)行檢測并去除，并對最后的運(yùn)動目標(biāo)進(jìn)行跟蹤，我們的算法可以快速有效的實(shí)現(xiàn)。相對其它算法，我們的算法在準(zhǔn)確率及速率上有所提高，可以比較好的運(yùn)用在智能監(jiān)控中。我們的算法可以有效的去除運(yùn)動目標(biāo)的噪聲干擾，未來的主要工作放在運(yùn)動目標(biāo)提取中的圖像分割上，消除陰影對前景信息的影響，并且比較好的解決運(yùn)動目標(biāo)的其它物體遮擋問題。

參考文獻(xiàn)

[1]Leone A，Distante C，Buccolieri F.A shadow elimination approach in video-surveillance context[J].Pattern Recognition Letters，2006，27（5）：345-355.

[2]于東方，殷建平，張國敏.一種基于灰度直方圖的遙感影像陰影自動檢測方法[J].計(jì)算機(jī)工程與科學(xué)，2008，30 （12）：43-44.

[3]吳亮.運(yùn)動目標(biāo)提取，陰影和鬼影檢測及去除算法研究[D].國防科學(xué)技術(shù)大學(xué)，2007.

[4]Zhou Y，Sun L，Zhang J.A shadow elimination method based on color and texture[C].IEEE，2010.

[5]Liu Y，Bin Z.The improved moving object detection and shadow removing algorithms for video surveillance[C].IEEE，2010.

[6]Cheng H D，Chen Y H，Jiang X H.Thresholding using two-dimensional histogram and fuzzy entropy principle.[J].IEEE transactions on image processing：a publication of the IEEE Signal Processing Society，1999，9（4）：732-735.

[7]Ye J，Gao T，Zhang J.Moving object detection with background subtraction and shadow removal[C].IEEE，2012.

[8]裴繼紅，謝維信.勢函數(shù)聚類自適應(yīng)多閾值圖像分割[J].1999.

[9]Wu M，Lin C，Chang C.Brain tumor detection using color-based k-means clustering segmentation[C].IEEE，2007.