基于顏色空間轉(zhuǎn)換的運(yùn)動(dòng)目標(biāo)檢測(cè)與陰影去除

李 靜，車(chē) 進(jìn)，朱金艷

（寧夏大學(xué)物理電氣信息學(xué)院，寧夏銀川 750021）

基于顏色空間轉(zhuǎn)換的運(yùn)動(dòng)目標(biāo)檢測(cè)與陰影去除

李 靜，車(chē) 進(jìn)，朱金艷

（寧夏大學(xué)物理電氣信息學(xué)院，寧夏銀川 750021）

針對(duì)室內(nèi)視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)常出現(xiàn)的陰影誤檢，提出了一種基于顏色空間轉(zhuǎn)換的自適應(yīng)背景建模和陰影消除算法。在RGB空間采用自適應(yīng)背景差對(duì)視頻圖像進(jìn)行前景背景分離，并將檢測(cè)出的前景目標(biāo)鎖定在活動(dòng)輪廓矩形框內(nèi)進(jìn)行目標(biāo)跟蹤，對(duì)于誤檢的虛假目標(biāo)（即陰影），利用其亮度等信息，在HSV空間去除。經(jīng)實(shí)驗(yàn)驗(yàn)證，該算法對(duì)陰影的去除有良好的效果，能準(zhǔn)確檢測(cè)出真實(shí)目標(biāo)。

運(yùn)動(dòng)目標(biāo)檢測(cè);背景建模;HSV空間;陰影去除

運(yùn)動(dòng)目標(biāo)的檢測(cè)是視頻監(jiān)控系統(tǒng)的首要問(wèn)題，運(yùn)動(dòng)目標(biāo)提取的好壞直接影響后續(xù)的目標(biāo)跟蹤、行為分析等問(wèn)題［1－3］。光線的強(qiáng)弱、方向會(huì)隨著天氣、時(shí)間的不同而發(fā)生無(wú)規(guī)律的變化，使得陰影具有很強(qiáng)的不確定性。陰影和運(yùn)動(dòng)目標(biāo)與背景之間有很大的灰度差值，而且陰影與產(chǎn)生陰影的目標(biāo)具有相同的運(yùn)動(dòng)特征，這使得運(yùn)動(dòng)目標(biāo)檢測(cè)中會(huì)產(chǎn)生與陰影有關(guān)的一系列問(wèn)題，如陰影會(huì)造成運(yùn)動(dòng)目標(biāo)形狀的變化、目標(biāo)的合并、目標(biāo)丟失，這些問(wèn)題的存在會(huì)對(duì)視頻監(jiān)控的后續(xù)工作帶來(lái)負(fù)面影響。而目標(biāo)檢測(cè)算法本身并不能識(shí)別和消除陰影，因此必須有特定的算法對(duì)檢測(cè)出的前景目標(biāo)進(jìn)行后處理。

與RGB顏色空間相比，HSV顏色空間更接近人眼視覺(jué)模型，能直接體現(xiàn)顏色的亮度信息，可以更好地量化陰影和運(yùn)動(dòng)目標(biāo)之間的差別［4］?；贖SV顏色空間的陰影模型，利用陰影具有色度與背景相差不大，只是亮度比背景暗的特性，分離亮度和色度成分，并通過(guò)對(duì)亮度進(jìn)行閾值分割，去除陰影，保留目標(biāo)部分。

目前對(duì)于目標(biāo)檢測(cè)和陰影去除存在著大量的研究，文獻(xiàn)［5］中用高斯混合模型進(jìn)行背景重建，并根據(jù)陰影的光學(xué)特性進(jìn)行了陰影區(qū)域的預(yù)檢測(cè)，得到疑似陰影區(qū)域，再用基于局部紋理分析的方法消除陰影;文獻(xiàn)［6］中基于模糊集建立顏色和空間信息之間的關(guān)聯(lián)，通過(guò)模糊邏輯檢測(cè)運(yùn)動(dòng)目標(biāo)并消除陰影。本文提出了一種基于顏色空間轉(zhuǎn)換的自適應(yīng)背景建模和陰影消除算法，在RGB空間進(jìn)行目標(biāo)檢測(cè)，并將檢測(cè)出的前景目標(biāo)鎖定在活動(dòng)輪廓矩形框內(nèi)進(jìn)行連續(xù)實(shí)時(shí)地跟蹤，對(duì)于目標(biāo)中的陰影，利用其亮度信息，轉(zhuǎn)換至HSV空間消除。在HSV空間去陰影的最大優(yōu)勢(shì)是能在檢測(cè)陰影的同時(shí)就消除陰影。

1 自適應(yīng)背景建模

由于室內(nèi)環(huán)境變化相對(duì)簡(jiǎn)單，同時(shí)也為了提高運(yùn)算速度，本文在運(yùn)動(dòng)目標(biāo)檢測(cè)中沒(méi)有選取當(dāng)前的研究熱門(mén)混合高斯背景差算法［7－8］，而是采用一種簡(jiǎn)單、快速的自適應(yīng)背景建模法分離前景背景。

1.1 運(yùn)動(dòng)目標(biāo)的檢測(cè)

默認(rèn)視頻第一幀圖像為背景，將其與當(dāng)前幀圖像做差，將差值取絕對(duì)值與閾值比較，判定是否為前景目標(biāo)，Mt（x，y）=1時(shí)，即認(rèn)為是目標(biāo)，判決公式如下

Mt（x，y）=0時(shí)，判定不為前景，則進(jìn)行背景更新，學(xué)習(xí)速率α取經(jīng)驗(yàn)值，更新公式如下

用半徑為3的圓盤(pán)型結(jié)構(gòu)元素對(duì)檢測(cè)出的前景圖像進(jìn)行形態(tài)學(xué)膨脹操作，去除圖像邊緣噪聲，填充圖像內(nèi)部空洞，完善細(xì)節(jié)，結(jié)構(gòu)元素如圖1所示。

圖1 圓盤(pán)結(jié)構(gòu)元素

1.2 目標(biāo)標(biāo)記

在圖像分析中，以一種方式表示檢測(cè)到的或跟蹤過(guò)程中的物體，以減少冗余信息，就是目標(biāo)標(biāo)記。常用的有點(diǎn)標(biāo)記法、矩形框標(biāo)記法、外輪廓標(biāo)記法、塊標(biāo)記法等。本文選用矩形框標(biāo)記，即用包含目標(biāo)區(qū)域的矩形框表示目標(biāo)。

1）初步確定目標(biāo)輪廓

對(duì)膨脹后的圖像進(jìn)行行列掃描，若存在某一像素值dim（x，y）=1，則判定為前景，所有值為1的像素構(gòu)成一個(gè)矩陣dim，用bwtraceboundary函數(shù)跟蹤dim中目標(biāo)的輪廓，非零像素表示目標(biāo)，零像素構(gòu)成背景。

2）目標(biāo)輪廓面積分析

判定各前景目標(biāo)輪廓邊界長(zhǎng)度，進(jìn)行輪廓面積分析，如果輪廓面積小于規(guī)定的閾值，則濾除這些輪廓標(biāo)記，以避免檢測(cè)環(huán)境中的微小噪點(diǎn)被誤判為運(yùn)動(dòng)目標(biāo);大于閾值的則進(jìn)一步確定為目標(biāo)。在目標(biāo)輪廓面積分析中，設(shè)定的輪廓閾值可根據(jù)室內(nèi)監(jiān)控環(huán)境面積以及攝像頭與主要監(jiān)控地點(diǎn)的距離進(jìn)行調(diào)節(jié)。

3）模板與后續(xù)幀圖像的匹配

剪切前景目標(biāo)圖像，讀取其輪廓行列邊界作為模板，將模板邊界與后續(xù)幀圖像檢測(cè)的前景輪廓邊界進(jìn)行比較，更新模板確保其足夠小，用函數(shù)normxcorr2計(jì)算模板與后續(xù)幀前景輪廓的互相關(guān)矩陣，返回互相關(guān)中的最相關(guān)為最佳匹配，最終確定最佳匹配為標(biāo)記運(yùn)動(dòng)目標(biāo)的矩形框。

4）活動(dòng)輪廓里的跟蹤

活動(dòng)輪廓匹配跟蹤的基本思想是:取匹配后的輪廓模板，在后繼幀的前景圖像中跟蹤目標(biāo)輪廓，并且該輪廓能夠自動(dòng)連續(xù)實(shí)時(shí)地更新。即始終檢測(cè)視頻每一幀中出現(xiàn)的運(yùn)動(dòng)目標(biāo)，更新并確定矩形框?yàn)樽罴哑ヅ?，?duì)目標(biāo)進(jìn)行鎖定跟蹤。

2 HSV空間去除陰影

檢測(cè)出的前景，通常包括運(yùn)動(dòng)目標(biāo)、陰影以及一些雜小噪點(diǎn)，去除陰影的原則就是只保留運(yùn)動(dòng)目標(biāo)?；谏{(diào)（H）、飽和度（S）和亮度（V）的顏色模型稱(chēng)為HSV顏色模型。HSV模型可在彩色圖像中消除亮度分量的影響從而獲得色調(diào)和飽和度的彩色信息，這反映了人的視覺(jué)系統(tǒng)感知色彩的方式，所以人能更自然、更直觀地解釋和感受顏色［9］。

基于HSV顏色空間的陰影模型，比RGB顏色空間更準(zhǔn)確地檢測(cè)出陰影。該方法通過(guò)分析陰影與背景在HSV顏色空間中的亮度特性，利用陰影與運(yùn)動(dòng)目標(biāo)在HSV的3個(gè)分量的不同特點(diǎn)，計(jì)算每個(gè)分量相應(yīng)的閾值，通過(guò)閾值分割并消除陰影。本文對(duì)當(dāng)前幀像素和其對(duì)應(yīng)的背景像素采用如下公式判斷并去除陰影，公式為

式中:IH（x，y），IS（x，y），IV（x，y）分別表示當(dāng)前幀圖像像素點(diǎn)I（x，y）的 HSV 分量;BH（x，y），BS（x，y），BV（x，y）分別表示背景圖像像素點(diǎn)的HSV分量;當(dāng)I（x，y）被判定為陰影，則該點(diǎn)的sp（x，y）值為1，否則sp（x，y）值為0;參數(shù)αS和βS控制亮度，取值范圍均為（0，1）;αS取值要考慮陰影的強(qiáng)度，背景上投射的陰影越強(qiáng)，αS越小;βS用來(lái)調(diào)節(jié)當(dāng)前幀的亮度不能和背景太相似［3］;參數(shù)τS和τH為飽和度差和色調(diào)差的閾值。本文采用實(shí)驗(yàn)方法獲得參數(shù)取值，利用部分訓(xùn)練數(shù)據(jù)進(jìn)行陰影檢測(cè)和性能分析，選取性能較好的參數(shù)組合。一般來(lái)說(shuō)，通過(guò)實(shí)驗(yàn)獲得參數(shù)的方法在相近的場(chǎng)景和光照條件下都能獲得較好的分割結(jié)果。

3 算法流程

算法流程主要分為兩個(gè)階段:目標(biāo)檢測(cè)和陰影去除。在運(yùn)動(dòng)目標(biāo)檢測(cè)過(guò)程中，通過(guò)路徑讀取視頻，將視頻轉(zhuǎn)換成幀圖像，確定第一幀為背景圖像，將循環(huán)讀取的幀圖像與當(dāng)前背景用差分法得到差分?jǐn)?shù)據(jù)，若閾值判定是前景，則進(jìn)行后處理，判定不是前景則進(jìn)行背景更新。然后對(duì)前景目標(biāo)進(jìn)行輪廓面積分析，以便找出最佳匹配的模板，進(jìn)行矩形框里的跟蹤。在陰影去除過(guò)程中，將第一階段得到的視頻圖像進(jìn)行顏色空間轉(zhuǎn)換，通過(guò)陰影判決公式檢測(cè)出誤檢目標(biāo)，對(duì)其進(jìn)行閾值分割、消除陰影，最終得到清晰的運(yùn)動(dòng)目標(biāo)。算法流程如圖2所示。

圖2 算法流程

4 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)選取了2段室內(nèi)視頻進(jìn)行驗(yàn)證，分別為下載視頻video1、采集視頻video2，2段視頻由于場(chǎng)景中不同靜態(tài)物體的光線變化產(chǎn)生陰影，造成目標(biāo)誤檢，使得檢測(cè)中出現(xiàn)了2個(gè)矩形框，實(shí)驗(yàn)?zāi)康氖侨コ`檢矩形框中的虛假目標(biāo)。由于2段視頻光源不同，分別為燈光和日光，導(dǎo)致HSV各分量不同，去陰影時(shí)所選取的閾值也就不同，具體參數(shù)值如表1所示。

表1 HSV空間去陰影參數(shù)值

視頻video1中第50幀，由于人經(jīng)過(guò)使金屬桶表面光線發(fā)生變化，產(chǎn)生虛假目標(biāo)，造成陰影誤檢，如圖3所示。

視頻video1中第65幀，由于電壓不穩(wěn)使頂燈照射的光線發(fā)生變化，產(chǎn)生虛假目標(biāo)，造成陰影誤檢，如圖4所示。

圖4 誤檢頂燈

視頻video2中第119幀，由于人在地面的投影，產(chǎn)生虛假目標(biāo)，造成陰影誤檢，如圖5所示。

圖5 誤檢人影

視頻video2中第217幀，由于人經(jīng)過(guò)使桌子側(cè)面光線發(fā)生變化，產(chǎn)生虛假目標(biāo)，造成陰影誤檢，如圖6所示。

圖6 誤檢桌側(cè)面

5 結(jié)論

在運(yùn)動(dòng)目標(biāo)檢測(cè)中，運(yùn)動(dòng)目標(biāo)的陰影由于與背景有較明顯的差別，所以經(jīng)常被誤檢為前景，會(huì)影響后續(xù)的跟蹤、識(shí)別和行為分析的結(jié)果。本文針對(duì)室內(nèi)視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)常出現(xiàn)的誤檢，提出了一種基于顏色空間轉(zhuǎn)換的自適應(yīng)背景建模和陰影消除算法，在RGB空間采用自適應(yīng)背景差對(duì)視頻圖像進(jìn)行前景背景分離，并對(duì)檢測(cè)出的前景目標(biāo)進(jìn)行矩形框目標(biāo)跟蹤，對(duì)于誤檢的虛假目標(biāo)（即陰影），利用其亮度信息，在HSV空間去除。經(jīng)過(guò)2段視頻處理驗(yàn)證，該算法運(yùn)算簡(jiǎn)單，對(duì)陰影的去除有良好的效果，能準(zhǔn)確檢測(cè)出真實(shí)目標(biāo)，有一定的實(shí)用性。

:

［1］丁忠校.視頻監(jiān)控圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)方法綜述［J］.電視技術(shù)，2008，32（5）:72－76.

［2］蔣巍，張健，曾浩.基于智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤［J］.電視技術(shù)，2012，36（5）:110－114.

［3］GIACINTO G.Moving targets in computer security and multimedia retrieval［J］.Trans.Machine Learning and Data Mining，2011，4（1）:30－52.

［4］林慶，徐柱，王士同，等.HSV自適應(yīng)混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)［J］.計(jì)算機(jī)科學(xué)，2010，37（10）:254－256.

［5］任建強(qiáng).一種自適應(yīng)的運(yùn)動(dòng)目標(biāo)陰影消除新算法［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46（36）:188－191.

［6］ZHU Mingfeng.A novel approach for shaded moving object detection based on Fuzzy sets［J］.Advanced Materials Research，2012（33）:5293－5297.

［7］劉鑫，劉輝，強(qiáng)振平，等.混合高斯模型和幀間差分相融合的自適應(yīng)背景模型［J］.中國(guó)圖象圖形學(xué)報(bào)，2008，13（4）:729－734.

［8］黃鑫娟，周潔敏，劉伯.自適應(yīng)混合高斯背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］.計(jì)算機(jī)應(yīng)用，2010，30（1）:71－74.

［9］方賢勇，賀彪，羅斌.一種基于HSV顏色空間的新碼書(shū)模型［J］.計(jì)算機(jī)應(yīng)用，2011，31（9）:2497－2501.

Moving Target Detection and Shadow Elimination Based on Color Space Conversion

LI Jing，CHE Jin，ZHU Jinyan

（School of Physics and Electronic Information Engineering，Ningxia University，Yinchuan 750021，China）

An algorithm of adaptive background modeling and shadow elimination based on color space conversion aims at the error detection of shadow in moving target detection for indoor video surveillance is proposed.The adaptive background difference is used to separate background and foreground of image and the detected target is locked in active contour（it means rectangular box）for target tracking in RGB space.False target（it means shadow）of error detection is removed by using its brightness and other information in HSV color space.The experimental results prove that the algorithm has a good effect for shadow elimination.Moreover，it can detect the real target accurately.

moving target detection;background modeling;HSV color space;shadow elimination

TN941.1

A

【本文獻(xiàn)信息】李靜，車(chē)進(jìn)，朱金艷.基于顏色空間轉(zhuǎn)換的運(yùn)動(dòng)目標(biāo)檢測(cè)與陰影去除［J］.電視技術(shù)，2013，37（13）.

寧夏自然科學(xué)基金項(xiàng)目（NZ1138）

李 靜（1987— ），女，碩士生，主研數(shù)字圖像處理技術(shù);

車(chē) 進(jìn)（1973— ），碩士生導(dǎo)師，副教授，主要從事圖像處理及智能視頻技術(shù)研究;

朱金艷（1989— ），女，碩士生，主研數(shù)字圖像處理技術(shù)。

責(zé)任編輯:任健男

2012－12－30