李煒

摘要：在傳統(tǒng)的智能檢測(cè)算法中目標(biāo)檢測(cè)時(shí)，往往陰影和需要被檢測(cè)的物體一起檢測(cè)出來(lái)，這樣會(huì)給后續(xù)的處理帶來(lái)諸多的不便，而且易造成較高的虛警率。該文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測(cè)，可以提高陰影檢測(cè)的穩(wěn)定性，進(jìn)而很好的完成陰影檢測(cè)，達(dá)到了實(shí)際應(yīng)用的需求。

關(guān)鍵詞：運(yùn)動(dòng)目標(biāo)陰影檢測(cè)；YUV色彩空間；目標(biāo)分割；圖像紋理

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）30-7168-02

1 概述

運(yùn)動(dòng)物體與背景的分離是智能監(jiān)控檢測(cè)的重要一步，然而在實(shí)際的應(yīng)用場(chǎng)景中運(yùn)動(dòng)物體和陰影一起被檢測(cè)成前景，這樣會(huì)影響后續(xù)的目標(biāo)識(shí)別和分割。因此，對(duì)前景的陰影檢測(cè)和去除十分有必要，國(guó)內(nèi)外的許多學(xué)者對(duì)此也進(jìn)行了深入的研究?，F(xiàn)有的陰影抑制方法主要有：基于屬性和基于模型的陰影檢測(cè)算法?；谀Ｐ偷年幱皺z測(cè)方法對(duì)于比較復(fù)雜的模型具有計(jì)算量大、實(shí)時(shí)性較差的缺點(diǎn)?；陬伾臻g的陰影檢測(cè)的實(shí)時(shí)性較強(qiáng)，但在某些環(huán)境中其穩(wěn)定性較差。

經(jīng)過(guò)上面討論并結(jié)合實(shí)際業(yè)務(wù)對(duì)實(shí)時(shí)性的需求，本文首先對(duì)陰影進(jìn)行分析，決定采用YUV色彩空間結(jié)合紋理共同完成檢測(cè)目標(biāo)陰影的去除，以改善單獨(dú)采用色彩空間效果差、魯棒性不強(qiáng)的缺點(diǎn)。經(jīng)實(shí)驗(yàn)表明本文提出的方法可以很好的區(qū)分運(yùn)動(dòng)目標(biāo)和陰影區(qū)，提高陰影檢測(cè)的穩(wěn)定性，達(dá)到了實(shí)際應(yīng)用的需求。

2 陰影分析及在不同色系的特征

當(dāng)光線被物體遮擋時(shí)，便會(huì)產(chǎn)生陰影.陰影的狀態(tài)一般受環(huán)境光的強(qiáng)度、物體的透明度以及地面的質(zhì)地等因素的影。響通常情況下，陰影會(huì)導(dǎo)致對(duì)應(yīng)區(qū)域的強(qiáng)度發(fā)生很大的變化，而色度的變化則不明顯[1]。由于陰影和運(yùn)動(dòng)物體都跟背景存在不同，且兩個(gè)同步運(yùn)動(dòng)，因此陰影的運(yùn)動(dòng)前景一起檢測(cè)為前景。

陰影檢測(cè)算法選取的色彩空間的不同會(huì)對(duì)檢測(cè)結(jié)果產(chǎn)生一定的影響。顏色空間用來(lái)表示彩色圖像中色度和亮度信息的不同標(biāo)準(zhǔn)。通常，顏色空間所有可能的顏色和亮度信息用三個(gè)分量來(lái)表示，例如，RGB有紅、綠、藍(lán)三個(gè)顏色分量。但是，RGB 顏色空間不能有效的區(qū)分色度和亮度信息。目前，有多種顏色空間可以將圖像的色度分量和亮度分量區(qū)分開(kāi)，例如，HSV，YUV等顏色空間。然后，比較圖像當(dāng)前幀和背景幀的亮度和色度變化來(lái)檢測(cè)陰影區(qū)。Kumar等人[2]研究YUV 顏色空間不敏感對(duì)明亮的光線區(qū)域，并有很低的誤檢測(cè)率、漏檢測(cè)率及高的正確檢測(cè)率。

本文用YUV 顏色空間進(jìn)行陰影的初步檢測(cè)，YUV 將色度分量和亮度分量區(qū)分開(kāi)來(lái)，并和RGB 顏色空間是一種線性變換關(guān)系，如下式（1），（2），（3）所示：

Y= 0.299*R + 0.587*G + 0.114*B （1）

U= -0.147*R - 0.289*G + 0.436*B （2）

V= 0.615*R - 0.515*G - 0.100*B （3）

3 紋理的變換

物體表面紋理具有很強(qiáng)的穩(wěn)定性，陰影覆蓋前后紋理不會(huì)發(fā)生縮放或旋轉(zhuǎn)。由于紋理在光照變化時(shí)具有的穩(wěn)定性，紋理檢測(cè)陰影有著較好的魯棒性和更高的準(zhǔn)確率。LBP是基于圖像空間域局部關(guān)系的圖像紋理描述算子，通過(guò)對(duì)像素與相鄰?fù)乳g距上的鄰域像素的灰度變化二值化，形成對(duì)該像素所在位置的紋理變化模式的描述。它的數(shù)學(xué)表達(dá)如下式：

4 陰影的去除

在RGB空間對(duì)陰影的檢測(cè)相對(duì)比較復(fù)雜，為了更好地進(jìn)行陰影的處理和減少計(jì)算量，把顏色空間從RGB 轉(zhuǎn)換到Y(jié)UV空間。歸一化的顏色空間對(duì)陰影引起的像素點(diǎn)色度、亮度值的變化更不敏感且魯棒性較強(qiáng)。因此，該文采用歸一化的YUV 色彩空間進(jìn)行陰影抑制。算法如下：

1） 根據(jù)（1）（2）（3）式完成對(duì)檢測(cè)出來(lái)的目標(biāo)區(qū)域RGB空間到Y(jié)UV空間的轉(zhuǎn)換。

2） 歸一化YUV色彩空間，其中， ，根據(jù)陰影區(qū)和背景區(qū)色度變化不明顯，初步判定陰影。其具體方法如下：首先，確定當(dāng)前像素點(diǎn)與背景像素點(diǎn)的亮度值的差值Y，如果Y大于0，則該像素點(diǎn)不是陰影。如果差值為定值Y且則當(dāng)前像素點(diǎn)是陰影點(diǎn)。其中，初步確定陰影區(qū)域。、是背景像素值的顏色空間歸一化值，是當(dāng)前像素值的顏色空間歸一化值.是為了避免噪聲影響選取的值。

3） 結(jié)合LBP紋理算法對(duì)初步確定的疑似陰影區(qū)域進(jìn)行紋理相似性度量，進(jìn)一步得到更為準(zhǔn)確的陰影候選區(qū)域。

4） 最后利用類似于文獻(xiàn)[4]的誤判處理獲得最終的運(yùn)動(dòng)陰影，并對(duì)圖像進(jìn)行形態(tài)學(xué)處理。

5 實(shí)驗(yàn)與分析

實(shí)驗(yàn)以Visual Studio 2008 為開(kāi)發(fā)環(huán)境，在Intel（R） Core（TM） i3-2330M CPU @2.20GHZ的機(jī)子，采用改進(jìn)的高斯混合背景模型獲得運(yùn)動(dòng)物體及背景重建。為了驗(yàn)證算法的有效性，本次選取具有代表性的視頻序列進(jìn)行測(cè)試Campus和Intelligent Room，其中Campu是室外場(chǎng)景，Intelligent Room為室內(nèi)場(chǎng)景。

為了對(duì)本文提出的算法進(jìn)行比較，采用文獻(xiàn)[5]提出的陰影檢測(cè)率 η 和陰影判別率 ζ 進(jìn)行效果評(píng)價(jià)。

其中：是正確檢出的陰影像素的數(shù)目，是陰影像素被誤判為運(yùn)動(dòng)前景的個(gè)數(shù)， 是運(yùn)動(dòng)前景像素被誤判為陰影的數(shù)目。表一為其實(shí)驗(yàn)結(jié)果：

由表1 可得，無(wú)論在陰影檢測(cè)率還是陰影判別率上，相比文獻(xiàn)[10]提出的算法，該文方法都明顯較高。

6 總結(jié)

本文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測(cè)算法，較好地克服了使用色彩空間方法進(jìn)行陰影檢測(cè)穩(wěn)定性差引起的誤檢問(wèn)題，提高了陰影檢測(cè)的穩(wěn)定性，滿足監(jiān)控視頻運(yùn)動(dòng)目標(biāo)陰影去除的需要，同時(shí)滿足系統(tǒng)實(shí)時(shí)性的要求，已在某武警勤務(wù)視頻系統(tǒng)中得到應(yīng)用。

參考文獻(xiàn)：

[1] 李文軍，陳濤.基于卡爾曼濾波器的等效復(fù)合控制技術(shù)研究[J].光學(xué)精密工程，2006（2）.

[2] 胡蕾，張偉，覃慶炎.幾種圖像去噪算法的應(yīng)用分析[J].信息技術(shù)，2007（7）.

[3] 劉宏，李錦濤，劉群，等.融合顏色和梯度特征的運(yùn)動(dòng)陰影消除方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2007（10）.endprint

摘要：在傳統(tǒng)的智能檢測(cè)算法中目標(biāo)檢測(cè)時(shí)，往往陰影和需要被檢測(cè)的物體一起檢測(cè)出來(lái)，這樣會(huì)給后續(xù)的處理帶來(lái)諸多的不便，而且易造成較高的虛警率。該文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測(cè)，可以提高陰影檢測(cè)的穩(wěn)定性，進(jìn)而很好的完成陰影檢測(cè)，達(dá)到了實(shí)際應(yīng)用的需求。

關(guān)鍵詞：運(yùn)動(dòng)目標(biāo)陰影檢測(cè)；YUV色彩空間；目標(biāo)分割；圖像紋理

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）30-7168-02

1 概述

運(yùn)動(dòng)物體與背景的分離是智能監(jiān)控檢測(cè)的重要一步，然而在實(shí)際的應(yīng)用場(chǎng)景中運(yùn)動(dòng)物體和陰影一起被檢測(cè)成前景，這樣會(huì)影響后續(xù)的目標(biāo)識(shí)別和分割。因此，對(duì)前景的陰影檢測(cè)和去除十分有必要，國(guó)內(nèi)外的許多學(xué)者對(duì)此也進(jìn)行了深入的研究?，F(xiàn)有的陰影抑制方法主要有：基于屬性和基于模型的陰影檢測(cè)算法?；谀Ｐ偷年幱皺z測(cè)方法對(duì)于比較復(fù)雜的模型具有計(jì)算量大、實(shí)時(shí)性較差的缺點(diǎn)。基于顏色空間的陰影檢測(cè)的實(shí)時(shí)性較強(qiáng)，但在某些環(huán)境中其穩(wěn)定性較差。

經(jīng)過(guò)上面討論并結(jié)合實(shí)際業(yè)務(wù)對(duì)實(shí)時(shí)性的需求，本文首先對(duì)陰影進(jìn)行分析，決定采用YUV色彩空間結(jié)合紋理共同完成檢測(cè)目標(biāo)陰影的去除，以改善單獨(dú)采用色彩空間效果差、魯棒性不強(qiáng)的缺點(diǎn)。經(jīng)實(shí)驗(yàn)表明本文提出的方法可以很好的區(qū)分運(yùn)動(dòng)目標(biāo)和陰影區(qū)，提高陰影檢測(cè)的穩(wěn)定性，達(dá)到了實(shí)際應(yīng)用的需求。

2 陰影分析及在不同色系的特征

當(dāng)光線被物體遮擋時(shí)，便會(huì)產(chǎn)生陰影.陰影的狀態(tài)一般受環(huán)境光的強(qiáng)度、物體的透明度以及地面的質(zhì)地等因素的影。響通常情況下，陰影會(huì)導(dǎo)致對(duì)應(yīng)區(qū)域的強(qiáng)度發(fā)生很大的變化，而色度的變化則不明顯[1]。由于陰影和運(yùn)動(dòng)物體都跟背景存在不同，且兩個(gè)同步運(yùn)動(dòng)，因此陰影的運(yùn)動(dòng)前景一起檢測(cè)為前景。

陰影檢測(cè)算法選取的色彩空間的不同會(huì)對(duì)檢測(cè)結(jié)果產(chǎn)生一定的影響。顏色空間用來(lái)表示彩色圖像中色度和亮度信息的不同標(biāo)準(zhǔn)。通常，顏色空間所有可能的顏色和亮度信息用三個(gè)分量來(lái)表示，例如，RGB有紅、綠、藍(lán)三個(gè)顏色分量。但是，RGB 顏色空間不能有效的區(qū)分色度和亮度信息。目前，有多種顏色空間可以將圖像的色度分量和亮度分量區(qū)分開(kāi)，例如，HSV，YUV等顏色空間。然后，比較圖像當(dāng)前幀和背景幀的亮度和色度變化來(lái)檢測(cè)陰影區(qū)。Kumar等人[2]研究YUV 顏色空間不敏感對(duì)明亮的光線區(qū)域，并有很低的誤檢測(cè)率、漏檢測(cè)率及高的正確檢測(cè)率。

本文用YUV 顏色空間進(jìn)行陰影的初步檢測(cè)，YUV 將色度分量和亮度分量區(qū)分開(kāi)來(lái)，并和RGB 顏色空間是一種線性變換關(guān)系，如下式（1），（2），（3）所示：

Y= 0.299*R + 0.587*G + 0.114*B （1）

U= -0.147*R - 0.289*G + 0.436*B （2）

V= 0.615*R - 0.515*G - 0.100*B （3）

3 紋理的變換

物體表面紋理具有很強(qiáng)的穩(wěn)定性，陰影覆蓋前后紋理不會(huì)發(fā)生縮放或旋轉(zhuǎn)。由于紋理在光照變化時(shí)具有的穩(wěn)定性，紋理檢測(cè)陰影有著較好的魯棒性和更高的準(zhǔn)確率。LBP是基于圖像空間域局部關(guān)系的圖像紋理描述算子，通過(guò)對(duì)像素與相鄰?fù)乳g距上的鄰域像素的灰度變化二值化，形成對(duì)該像素所在位置的紋理變化模式的描述。它的數(shù)學(xué)表達(dá)如下式：

4 陰影的去除

在RGB空間對(duì)陰影的檢測(cè)相對(duì)比較復(fù)雜，為了更好地進(jìn)行陰影的處理和減少計(jì)算量，把顏色空間從RGB 轉(zhuǎn)換到Y(jié)UV空間。歸一化的顏色空間對(duì)陰影引起的像素點(diǎn)色度、亮度值的變化更不敏感且魯棒性較強(qiáng)。因此，該文采用歸一化的YUV 色彩空間進(jìn)行陰影抑制。算法如下：

1） 根據(jù)（1）（2）（3）式完成對(duì)檢測(cè)出來(lái)的目標(biāo)區(qū)域RGB空間到Y(jié)UV空間的轉(zhuǎn)換。

2） 歸一化YUV色彩空間，其中， ，根據(jù)陰影區(qū)和背景區(qū)色度變化不明顯，初步判定陰影。其具體方法如下：首先，確定當(dāng)前像素點(diǎn)與背景像素點(diǎn)的亮度值的差值Y，如果Y大于0，則該像素點(diǎn)不是陰影。如果差值為定值Y且則當(dāng)前像素點(diǎn)是陰影點(diǎn)。其中，初步確定陰影區(qū)域。、是背景像素值的顏色空間歸一化值，是當(dāng)前像素值的顏色空間歸一化值.是為了避免噪聲影響選取的值。

3） 結(jié)合LBP紋理算法對(duì)初步確定的疑似陰影區(qū)域進(jìn)行紋理相似性度量，進(jìn)一步得到更為準(zhǔn)確的陰影候選區(qū)域。

4） 最后利用類似于文獻(xiàn)[4]的誤判處理獲得最終的運(yùn)動(dòng)陰影，并對(duì)圖像進(jìn)行形態(tài)學(xué)處理。

5 實(shí)驗(yàn)與分析

實(shí)驗(yàn)以Visual Studio 2008 為開(kāi)發(fā)環(huán)境，在Intel（R） Core（TM） i3-2330M CPU @2.20GHZ的機(jī)子，采用改進(jìn)的高斯混合背景模型獲得運(yùn)動(dòng)物體及背景重建。為了驗(yàn)證算法的有效性，本次選取具有代表性的視頻序列進(jìn)行測(cè)試Campus和Intelligent Room，其中Campu是室外場(chǎng)景，Intelligent Room為室內(nèi)場(chǎng)景。

為了對(duì)本文提出的算法進(jìn)行比較，采用文獻(xiàn)[5]提出的陰影檢測(cè)率 η 和陰影判別率 ζ 進(jìn)行效果評(píng)價(jià)。

其中：是正確檢出的陰影像素的數(shù)目，是陰影像素被誤判為運(yùn)動(dòng)前景的個(gè)數(shù)， 是運(yùn)動(dòng)前景像素被誤判為陰影的數(shù)目。表一為其實(shí)驗(yàn)結(jié)果：

由表1 可得，無(wú)論在陰影檢測(cè)率還是陰影判別率上，相比文獻(xiàn)[10]提出的算法，該文方法都明顯較高。

6 總結(jié)

本文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測(cè)算法，較好地克服了使用色彩空間方法進(jìn)行陰影檢測(cè)穩(wěn)定性差引起的誤檢問(wèn)題，提高了陰影檢測(cè)的穩(wěn)定性，滿足監(jiān)控視頻運(yùn)動(dòng)目標(biāo)陰影去除的需要，同時(shí)滿足系統(tǒng)實(shí)時(shí)性的要求，已在某武警勤務(wù)視頻系統(tǒng)中得到應(yīng)用。

參考文獻(xiàn)：

[1] 李文軍，陳濤.基于卡爾曼濾波器的等效復(fù)合控制技術(shù)研究[J].光學(xué)精密工程，2006（2）.

[2] 胡蕾，張偉，覃慶炎.幾種圖像去噪算法的應(yīng)用分析[J].信息技術(shù)，2007（7）.

[3] 劉宏，李錦濤，劉群，等.融合顏色和梯度特征的運(yùn)動(dòng)陰影消除方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2007（10）.endprint

摘要：在傳統(tǒng)的智能檢測(cè)算法中目標(biāo)檢測(cè)時(shí)，往往陰影和需要被檢測(cè)的物體一起檢測(cè)出來(lái)，這樣會(huì)給后續(xù)的處理帶來(lái)諸多的不便，而且易造成較高的虛警率。該文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測(cè)，可以提高陰影檢測(cè)的穩(wěn)定性，進(jìn)而很好的完成陰影檢測(cè)，達(dá)到了實(shí)際應(yīng)用的需求。

關(guān)鍵詞：運(yùn)動(dòng)目標(biāo)陰影檢測(cè)；YUV色彩空間；目標(biāo)分割；圖像紋理

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）30-7168-02

1 概述

運(yùn)動(dòng)物體與背景的分離是智能監(jiān)控檢測(cè)的重要一步，然而在實(shí)際的應(yīng)用場(chǎng)景中運(yùn)動(dòng)物體和陰影一起被檢測(cè)成前景，這樣會(huì)影響后續(xù)的目標(biāo)識(shí)別和分割。因此，對(duì)前景的陰影檢測(cè)和去除十分有必要，國(guó)內(nèi)外的許多學(xué)者對(duì)此也進(jìn)行了深入的研究?，F(xiàn)有的陰影抑制方法主要有：基于屬性和基于模型的陰影檢測(cè)算法?；谀Ｐ偷年幱皺z測(cè)方法對(duì)于比較復(fù)雜的模型具有計(jì)算量大、實(shí)時(shí)性較差的缺點(diǎn)。基于顏色空間的陰影檢測(cè)的實(shí)時(shí)性較強(qiáng)，但在某些環(huán)境中其穩(wěn)定性較差。

經(jīng)過(guò)上面討論并結(jié)合實(shí)際業(yè)務(wù)對(duì)實(shí)時(shí)性的需求，本文首先對(duì)陰影進(jìn)行分析，決定采用YUV色彩空間結(jié)合紋理共同完成檢測(cè)目標(biāo)陰影的去除，以改善單獨(dú)采用色彩空間效果差、魯棒性不強(qiáng)的缺點(diǎn)。經(jīng)實(shí)驗(yàn)表明本文提出的方法可以很好的區(qū)分運(yùn)動(dòng)目標(biāo)和陰影區(qū)，提高陰影檢測(cè)的穩(wěn)定性，達(dá)到了實(shí)際應(yīng)用的需求。

2 陰影分析及在不同色系的特征

當(dāng)光線被物體遮擋時(shí)，便會(huì)產(chǎn)生陰影.陰影的狀態(tài)一般受環(huán)境光的強(qiáng)度、物體的透明度以及地面的質(zhì)地等因素的影。響通常情況下，陰影會(huì)導(dǎo)致對(duì)應(yīng)區(qū)域的強(qiáng)度發(fā)生很大的變化，而色度的變化則不明顯[1]。由于陰影和運(yùn)動(dòng)物體都跟背景存在不同，且兩個(gè)同步運(yùn)動(dòng)，因此陰影的運(yùn)動(dòng)前景一起檢測(cè)為前景。

陰影檢測(cè)算法選取的色彩空間的不同會(huì)對(duì)檢測(cè)結(jié)果產(chǎn)生一定的影響。顏色空間用來(lái)表示彩色圖像中色度和亮度信息的不同標(biāo)準(zhǔn)。通常，顏色空間所有可能的顏色和亮度信息用三個(gè)分量來(lái)表示，例如，RGB有紅、綠、藍(lán)三個(gè)顏色分量。但是，RGB 顏色空間不能有效的區(qū)分色度和亮度信息。目前，有多種顏色空間可以將圖像的色度分量和亮度分量區(qū)分開(kāi)，例如，HSV，YUV等顏色空間。然后，比較圖像當(dāng)前幀和背景幀的亮度和色度變化來(lái)檢測(cè)陰影區(qū)。Kumar等人[2]研究YUV 顏色空間不敏感對(duì)明亮的光線區(qū)域，并有很低的誤檢測(cè)率、漏檢測(cè)率及高的正確檢測(cè)率。

本文用YUV 顏色空間進(jìn)行陰影的初步檢測(cè)，YUV 將色度分量和亮度分量區(qū)分開(kāi)來(lái)，并和RGB 顏色空間是一種線性變換關(guān)系，如下式（1），（2），（3）所示：

Y= 0.299*R + 0.587*G + 0.114*B （1）

U= -0.147*R - 0.289*G + 0.436*B （2）

V= 0.615*R - 0.515*G - 0.100*B （3）

3 紋理的變換

物體表面紋理具有很強(qiáng)的穩(wěn)定性，陰影覆蓋前后紋理不會(huì)發(fā)生縮放或旋轉(zhuǎn)。由于紋理在光照變化時(shí)具有的穩(wěn)定性，紋理檢測(cè)陰影有著較好的魯棒性和更高的準(zhǔn)確率。LBP是基于圖像空間域局部關(guān)系的圖像紋理描述算子，通過(guò)對(duì)像素與相鄰?fù)乳g距上的鄰域像素的灰度變化二值化，形成對(duì)該像素所在位置的紋理變化模式的描述。它的數(shù)學(xué)表達(dá)如下式：

4 陰影的去除

在RGB空間對(duì)陰影的檢測(cè)相對(duì)比較復(fù)雜，為了更好地進(jìn)行陰影的處理和減少計(jì)算量，把顏色空間從RGB 轉(zhuǎn)換到Y(jié)UV空間。歸一化的顏色空間對(duì)陰影引起的像素點(diǎn)色度、亮度值的變化更不敏感且魯棒性較強(qiáng)。因此，該文采用歸一化的YUV 色彩空間進(jìn)行陰影抑制。算法如下：

1） 根據(jù)（1）（2）（3）式完成對(duì)檢測(cè)出來(lái)的目標(biāo)區(qū)域RGB空間到Y(jié)UV空間的轉(zhuǎn)換。

2） 歸一化YUV色彩空間，其中， ，根據(jù)陰影區(qū)和背景區(qū)色度變化不明顯，初步判定陰影。其具體方法如下：首先，確定當(dāng)前像素點(diǎn)與背景像素點(diǎn)的亮度值的差值Y，如果Y大于0，則該像素點(diǎn)不是陰影。如果差值為定值Y且則當(dāng)前像素點(diǎn)是陰影點(diǎn)。其中，初步確定陰影區(qū)域。、是背景像素值的顏色空間歸一化值，是當(dāng)前像素值的顏色空間歸一化值.是為了避免噪聲影響選取的值。

3） 結(jié)合LBP紋理算法對(duì)初步確定的疑似陰影區(qū)域進(jìn)行紋理相似性度量，進(jìn)一步得到更為準(zhǔn)確的陰影候選區(qū)域。

4） 最后利用類似于文獻(xiàn)[4]的誤判處理獲得最終的運(yùn)動(dòng)陰影，并對(duì)圖像進(jìn)行形態(tài)學(xué)處理。

5 實(shí)驗(yàn)與分析

實(shí)驗(yàn)以Visual Studio 2008 為開(kāi)發(fā)環(huán)境，在Intel（R） Core（TM） i3-2330M CPU @2.20GHZ的機(jī)子，采用改進(jìn)的高斯混合背景模型獲得運(yùn)動(dòng)物體及背景重建。為了驗(yàn)證算法的有效性，本次選取具有代表性的視頻序列進(jìn)行測(cè)試Campus和Intelligent Room，其中Campu是室外場(chǎng)景，Intelligent Room為室內(nèi)場(chǎng)景。

為了對(duì)本文提出的算法進(jìn)行比較，采用文獻(xiàn)[5]提出的陰影檢測(cè)率 η 和陰影判別率 ζ 進(jìn)行效果評(píng)價(jià)。

其中：是正確檢出的陰影像素的數(shù)目，是陰影像素被誤判為運(yùn)動(dòng)前景的個(gè)數(shù)， 是運(yùn)動(dòng)前景像素被誤判為陰影的數(shù)目。表一為其實(shí)驗(yàn)結(jié)果：

由表1 可得，無(wú)論在陰影檢測(cè)率還是陰影判別率上，相比文獻(xiàn)[10]提出的算法，該文方法都明顯較高。

6 總結(jié)

本文提出了一種結(jié)合YUV色彩空間和紋理特征的陰影檢測(cè)算法，較好地克服了使用色彩空間方法進(jìn)行陰影檢測(cè)穩(wěn)定性差引起的誤檢問(wèn)題，提高了陰影檢測(cè)的穩(wěn)定性，滿足監(jiān)控視頻運(yùn)動(dòng)目標(biāo)陰影去除的需要，同時(shí)滿足系統(tǒng)實(shí)時(shí)性的要求，已在某武警勤務(wù)視頻系統(tǒng)中得到應(yīng)用。

參考文獻(xiàn)：

[1] 李文軍，陳濤.基于卡爾曼濾波器的等效復(fù)合控制技術(shù)研究[J].光學(xué)精密工程，2006（2）.

[2] 胡蕾，張偉，覃慶炎.幾種圖像去噪算法的應(yīng)用分析[J].信息技術(shù)，2007（7）.

[3] 劉宏，李錦濤，劉群，等.融合顏色和梯度特征的運(yùn)動(dòng)陰影消除方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2007（10）.endprint