一種基于陰影檢測(cè)的運(yùn)動(dòng)目標(biāo)分割改進(jìn)算法

王偉 郭中華 蘭旭婷

摘要：討論了用于背景減除法的常見(jiàn)顏色模型，針對(duì)低飽和度下色度值不穩(wěn)定的問(wèn)題，提出一種基于色度、亮度和飽和度空間（IHIS）的改進(jìn)算法。該方法運(yùn)用具有飽和度的三維極坐標(biāo)系統(tǒng)表示顏色的能力，采用飽和度加權(quán)色度統(tǒng)計(jì)來(lái)色度一飽和度關(guān)系進(jìn)行建模，而該飽和度與亮度函數(shù)無(wú)關(guān)。通過(guò)CDW2014公開數(shù)據(jù)集的實(shí)驗(yàn)，與基于RGB和HSV的方法進(jìn)行了比較，分割結(jié)果的客觀評(píng)價(jià)指標(biāo)與主觀視覺(jué)驗(yàn)證了該改進(jìn)算法更適合于魯棒性背景建模和陰影抑制，表明了該方法的有效性。

關(guān)鍵詞：運(yùn)動(dòng)分割;陰影檢測(cè);背景扣除;色彩空間

中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1008-1739（2021）09-67-5

An improved Algorithm for Moving Target Segmentation Based on

Shadow Detection

WANG Wei，GUO Zhonghua1.2， LAN Xutingl

（1. School of Physics and Electrical Engineering， Ningxia University. Yinchuan 750021. China;

2. Ningxia Key Laboratory of Intelligent Sensing for Desert Information. Yinchuan 750021， China）

Abstract： The common color models used for background subtraction are discussed. Aiming at the problem of unstable chromaticitYvalues under low saturation， an improved algorithm based on chromaticity， bri～tness and saturation space （IHLS） is proposed. Thealgorithm utilizes the capability of representing colors of a three-dimensional polar coordinate system with saturation. and adopts thesaturation-weighted chromaticity statistics to model the chroma-saturation relationship， and the saturation has nothing to do with thebrigtness function. Throuah the CDW2014 public data set experiment， compared with the method based on RGB and HSV. theobjective evaluation index of the segmentation result and subjective vision verify that the improved algorithm is more suitable for robustbackground modeling and shadow suppression， and has availability.

Keywards： motion detection： shadow detection; background subtraction; color space

0引言

運(yùn)動(dòng)對(duì)象的檢測(cè)與分割是視覺(jué)研究領(lǐng)域的一個(gè)重要課題，諸如目標(biāo)跟蹤和場(chǎng)景理解之類的視覺(jué)監(jiān)視應(yīng)用程序，其基礎(chǔ)步驟就是檢測(cè)運(yùn)動(dòng)對(duì)象。背景減除算法通常用于通過(guò)使用統(tǒng)計(jì)顏色背景模型來(lái)檢測(cè)感興趣的對(duì)象。目前，許多系統(tǒng)利用標(biāo)準(zhǔn)化RGB的特性來(lái)改善一些場(chǎng)景照明變化中的不敏感性。在研究陰影檢測(cè)與分割的算法中，辛國(guó)江等人[1]提出了一種基于體色向量匹配的陰影檢測(cè)與分割算法。在前景區(qū)域與背景區(qū)域亮度對(duì)比之上，利用體色向量匹配方法得到最終的陰影區(qū)域。李宗民等人[2]引入了基于顏色不變量的陰影檢測(cè)法，提高分割精度。Hong和Woo等人[3]在其背景分割系統(tǒng)中應(yīng)用了標(biāo)準(zhǔn)化RGB空間。WanXia Yu等人[4]使用了顏色空間進(jìn)行自適應(yīng)背景減除算法。除了歸一化RGB外，以三維極坐標(biāo)（色度、飽和度和亮度）的RGB顏色空間的表示形式還用于監(jiān)視應(yīng)用程序中的變化檢測(cè)和陰影抑制。WANG Weihua等人[5]將顏色模型（HSV）應(yīng)用于實(shí)時(shí)視頻分割的背景建模。在他們的工作中，引入了一組復(fù)雜的規(guī)則，以反映檢測(cè)和模型更新過(guò)程中觀察到的和背景顏色信息的相關(guān)性。Cucchiara等人[6]提出了一種基于RGB的背景模型，將其轉(zhuǎn)換為顏色模型表示形式，以便利用HSV色度信息的屬性進(jìn)行陰影抑制。

本文方法建立在改進(jìn)的色度、亮度和飽和度顏色空間上，更適合于背景減除法。使用飽和度加權(quán)的色度統(tǒng)計(jì)[7]來(lái)處理弱飽和度下的不穩(wěn)定色度值，可以有效分類場(chǎng)景照明（例如陰影）的變化，對(duì)飽和度和色調(diào)之間的關(guān)系進(jìn)行建模。

1顏色空間

I.I歸一化RGB

標(biāo)準(zhǔn)化RGB空間旨在將色度分量與亮度分量分開。通過(guò)使用以下公式，可以將紅色、綠色和藍(lán)色通道轉(zhuǎn)換為其歸一化的對(duì)應(yīng)通道：

1-R+ G}-B，F(xiàn)R/1，g=G/1，～B/1

（1） 如果J≠O且Fg= IFO，則這些歸一化通道之一是冗余的[8]，因?yàn)楦鶕?jù)定義，f+g+b=1。

歸一化的RGB空間由2個(gè)色度分量（例如r和g）和亮度分量L充分表示。從POORNIMA S等人[9]的文中可以知道，歸一化RGB的實(shí)際應(yīng)用存在歸一化所固有的問(wèn)題，低強(qiáng)度的噪聲（例如傳感器噪聲或壓縮噪聲）導(dǎo)致不穩(wěn)定的色度分量，如圖1所示。請(qǐng)注意深色區(qū)域中的偽影，例如灌木叢（左上方）和汽車的陰影區(qū)域（右下方）。

1.2 IHLS顏色空間

在文獻(xiàn)[10]中引入了色度、亮度和飽和度的顏色空間。通過(guò)將消色差軸放置在RGB顏色立方體中的所有灰色（ R-G-B）點(diǎn)上，然后根據(jù)消色差軸上的位置（亮度）距該軸的距離來(lái)指定每個(gè)點(diǎn)的坐標(biāo)，來(lái)獲得（飽和度S）和相對(duì)于純紅色的角度（色度H）。通過(guò)消除亮度對(duì)飽和度的歸一化，針對(duì)類似的顏色空間（HLS，HSI，HSV等）改進(jìn)了此模型。具有消色差像素的飽和度始終較低和飽和度與所使用的亮度函數(shù)無(wú)關(guān)的優(yōu)點(diǎn)。因此，可以選擇任何函數(shù)來(lái)計(jì)算亮度。

通過(guò)亮度對(duì)飽和度進(jìn)行歸一化（通常導(dǎo)致顏色空間具有圓柱形狀而不是圓錐形或雙圓錐形），通常是從RGB到三維極坐標(biāo)空間的轉(zhuǎn)換方程式的一部分。在有關(guān)這種類型的轉(zhuǎn)換論文[12]中提到了這一點(diǎn)，但是在文獻(xiàn)[11]中經(jīng)常顯示圓柱空間（即具有標(biāo)準(zhǔn)化飽和度）的方程式以及圓錐或雙錐圖。圖1顯示了不同飽和度公式的比較。由飽和度歸一化產(chǎn)生的不良影響很容易察覺(jué)，因?yàn)橐恍┹^暗、無(wú)色的區(qū)域（例如駕駛汽車的灌木叢和側(cè)窗）達(dá)到的飽和度值要比其較飽滿的環(huán)境高。

以下公式用于從RGB轉(zhuǎn)換為顏色空|司的色度eH，亮度y和飽和度s：Fmax （R，G，B）-min （R，G，B）;y=0.212 5R+

其中，crx和cry表示色度坐標(biāo)，cr∈[O，1]色度。飽和度的取值范圍為[O'1]，與色度角無(wú)關(guān)（最大飽和度值由圖2中色平面上的圓圈表示）。色度具有圖2中虛線六邊形所示的最大值。使用此表示法時(shí)，如果s -0，則色度是不確定的，并且當(dāng)s為低值時(shí)，色度將不包含很多有用的信息（靠近消色差軸）。

1.3本文改進(jìn)算法

在三維極坐標(biāo)空間中，可以使用標(biāo)準(zhǔn)（線性）統(tǒng)計(jì)公式來(lái)計(jì)算亮度和飽和度坐標(biāo)的統(tǒng)計(jì)描述符。但是，色度是一個(gè)角度值，因此應(yīng)使用循環(huán)統(tǒng)計(jì)中的適當(dāng)方法。讓e7c盧1，2，…，n）從一組角度色調(diào)值中采樣的n個(gè)觀察值。然后，由O一（O，O）7指向單位圓周上與日i對(duì)應(yīng)的點(diǎn)的向量坐標(biāo)由笛卡爾坐標(biāo)（COS OH， siri OH）。給出。

將平均方向OH定義為單位欠量h1…h(huán)1的合成的方向?yàn)槎鴄rctan2（y，x）是四象限反正切函數(shù)。合成向量的平均長(zhǎng)度為：式中，R為度量數(shù)據(jù)分散性的指標(biāo)。如果n個(gè)觀測(cè)方向日？緊密圍繞平均方向OH聚集，則將接近1。相反，如果角度值分散很大，則R將接近0。將圓方差定義為：

V=1-R。

（5）

雖然圓方差與線性統(tǒng)計(jì)方差的不同之處在于其范圍為[0'1]，但在較低值代表較少分散數(shù)據(jù)的方式上，這是相似的[12]。

1.3.1飽和度加權(quán)色度統(tǒng)計(jì)

僅基于色度的統(tǒng)計(jì)數(shù)據(jù)的使用，具有忽略色度亮度和飽和度之間緊密關(guān)系的缺點(diǎn)，對(duì)于弱飽和的顏色，色度通道并不重要，并且在圖像噪聲引起的顏色變化的情況下，其行為無(wú)法預(yù)測(cè)。實(shí)際上，對(duì)于零飽和度的顏色，色度是不確定的。如圖2所示，色度分量可以通過(guò)笛卡爾坐標(biāo)欠量c1表示，其方向和長(zhǎng)度分別由色度和飽和度給出。使用這種自然的方法，通過(guò)用相應(yīng)的飽和度兩加權(quán)單位色度向量h，將上述關(guān)系引入到色度統(tǒng)計(jì)中。

讓（os。）是從一組色調(diào)值和相關(guān)的飽和度值采樣的n對(duì)觀測(cè)值。運(yùn)用之前描述進(jìn)行操作，所不同的是，代替計(jì)算單位欠量的結(jié)果，將在整個(gè)文本中將色度欠量白的長(zhǎng)度配成為兩。 在式（4）中對(duì)向量分量?jī)蛇M(jìn)行加權(quán)：

C.=∑i Si COS OH，s.=∑i Si sinOH，

（6）并選擇色度欠量的平均結(jié)果長(zhǎng)度為：因此，對(duì)于平均結(jié)果色度欠量，得到：

Cn=（C。/n，S，/n）T 。

（8） 將結(jié)果與所有具有相同方向欠量和最大飽和度時(shí)所獲得的長(zhǎng)度進(jìn)行比較。因此，r給出了欠量飽和度的指示，該飽和度決定了色度欠量的平均值，并給出了欠量的角度分散。為了測(cè)試平均色度向量c是否類似于新觀察到的色度向量，在色平面中使用歐氏距離式中，co-&h。，島和h分別表示觀察到的色調(diào)欠量和飽和度。

1.3.2 IHLS背景模型

在上節(jié)中的基礎(chǔ)上，設(shè)計(jì)了一種基于IHLS顏色模型和飽和度加權(quán)色度統(tǒng)計(jì)信息的簡(jiǎn)單背景扣除算法。具體而言，每個(gè)背景像素均由其平均亮度u，和q，相關(guān)的標(biāo)準(zhǔn)偏差，以及平均色度欠量瓦和瓦與觀察到的色度欠量之間的平均歐氏距離tTo進(jìn)行建模。再觀察新獲取的圖像中每個(gè)像素的亮度%，飽和度s。和笛卡爾色度欠量屯時(shí)，如果滿足以下條件，則將該像素分類為前景：

l（y.-tty）l> ao'yV IICn -S.h.||>a盯D，

（10）其中，前景闕值n通常設(shè)置在2-3.5。 為了確定前景檢測(cè)是由移動(dòng)物體還是由其在靜態(tài)背景上投射的陰影引起的，利用了IHLS空間的色度信息。如果滿足以下3個(gè)條件，則將前景像素視為陰影背景

這些方程式旨在反映實(shí)證觀察，即投射陰影會(huì)導(dǎo)致背景變暗，通常會(huì)降低像素的飽和度，而對(duì)色度的影響有限。式（II）使用閾值 B考慮主要光源的強(qiáng)度來(lái)處理亮度分量。如Cucchiara等人[6]提出的執(zhí)行飽和度降低的測(cè)試。最后，通過(guò)將觀察到的色度欠量h縮放到與平均色度欠量c相同的長(zhǎng)度來(lái)補(bǔ)償飽和度的降低，并使用歐氏距離測(cè)試色度偏差。與檢查角度偏差相比，還考慮了模型對(duì)色度欠量的置信度。也就是說(shuō)，在歐式距離上使用固定的閾值r。可以放寬角度誤差范圍，從而有利于模型在較低的飽和度值r處獲得更強(qiáng)的色度偏差。

2實(shí)驗(yàn)結(jié)果與分析

2.1性能評(píng)價(jià)指標(biāo)

分割的質(zhì)量原則上可以通過(guò)2個(gè)特征來(lái)描述，即與參考分割的空間偏差以及空間偏差隨時(shí)間的波動(dòng)。本文分別從以下指標(biāo)做出了評(píng)估：Recall，Specificity[14]，F(xiàn)PR，F(xiàn)NRc1習(xí)，F(xiàn)_measurec[16]。計(jì)算公式如下：式中，TP為正確前景，F(xiàn)P為錯(cuò)誤前景，刷為錯(cuò)誤背景，TN為正確背景。

2.2實(shí)驗(yàn)結(jié)果

將3種不同方法進(jìn)行了比較，使用RGB（ RGB+NRGB）陰影檢測(cè)的RGB背景模型，以及基于HSV進(jìn)行背景建模和陰影檢測(cè)的方法（ RGB+HSV）。使用Gao Bing和Farhan Ullah等人[17]的方法實(shí)現(xiàn)背景建模。如果le?！啊> acFe則像素被視為前景。對(duì)于任何通道c，其中c∈{c鰣）分別用于歸一化RGB和c∈{R，G，B）用于RGB空間。島表示觀測(cè)值，p。表示平均值，表示標(biāo)準(zhǔn)偏差，以及a表示前景閾值。通過(guò)對(duì)背景像素和前景像素使用不同的學(xué)習(xí)率，通過(guò)指數(shù)加權(quán)平均來(lái)維護(hù)測(cè)試的背景模型。在實(shí)驗(yàn)期間，相同的學(xué)習(xí)率和更新參數(shù)用于所有背景模型，以及相同數(shù)量的訓(xùn)練框架。對(duì)于RGB（ RGB+NRGB）陰影抑制是基于Horprasert的方法[3-4]實(shí)現(xiàn)的。如果滿足以下條件，則每個(gè)前景像素都被分類為式中，口和t。表示強(qiáng)度和顏色通道的最大允許變化的閾值，因此將像素視為陰影背景。

在基于HSV的方法（RGB+HSV）中，在應(yīng)用以下陰影測(cè)試之前，將RGB背景模型轉(zhuǎn)換為HSV（具體是參考亮度度。、飽和度p;和色度腳）。在以下情況下，前景像素被歸類為陰影

第一個(gè)條件測(cè)試觀察到的亮度v0在p.和盧：所定義的范圍內(nèi)是否變暗。在飽和度s上執(zhí)行差異閾值。陰影會(huì)降低點(diǎn)的飽和度，并且圖像與參考之間的差異通常對(duì)陰影點(diǎn)為負(fù)。最后一個(gè)條件考慮到這樣的假設(shè)，即陰影只會(huì)使色度eHo產(chǎn)生很小的偏差。

為了評(píng)估算法，在公開數(shù)據(jù)集CDW2014上進(jìn)行了3個(gè)測(cè)試序列，輸出圖像如3圖所示。

為了進(jìn)行密集評(píng)估，通過(guò)實(shí)驗(yàn)確定了所有參數(shù)的合適范圍，并以10個(gè)步驟對(duì)它們進(jìn)行了二次采樣。其中RGB+NRGB分別在未歸一化和歸一化飽和度下進(jìn)行測(cè)試的;但是，由于歸一化飽和度始終表現(xiàn)較差，可以看到RGB+NRGB的不敏感性。淺色時(shí)色差小，飽和色弱。RGB+HSV經(jīng)受了色度測(cè)試，對(duì)接近消色差軸的不穩(wěn)定色度值有強(qiáng)烈的反應(yīng)。對(duì)于保守的閾值（即c或者較小值），所有這3種方法要么將樹木下的陰影檢測(cè)為前景，要么對(duì)于較大的閾值無(wú)法將人的手臂分類為前景。圖4顯示了來(lái)自測(cè)試序列1的輸出圖像。提供了源圖像（a），本文方法得出的圖像（b）以及與之比較的算法得出的圖像。結(jié)果表明，與圖4（c）和（d）比較，圖4（b）中車輛的檢測(cè)精度更高，雖然還是存在噪聲和孤點(diǎn)，由于車輛不斷運(yùn)動(dòng)速度很快，所以分割難度較大。

對(duì)于測(cè)試序列2，方法的有利行為更加明顯。盡管場(chǎng)景是由高度飽和的穩(wěn)定色彩組成的，但RGB+NRGB的顯示效果卻很差，再次是由于它們對(duì)亮色的敏感性不足。RGB+HSV可以提供更好的結(jié)果，但不能充分利用顏色信息。圖5顯示了來(lái)自測(cè)試序列2的輸出圖像。

序列3顯示了在之前已經(jīng)提到的使用NRGB進(jìn)行背景建模的問(wèn)題。由于該場(chǎng)景中的低亮度和噪聲的存在，色度分量不穩(wěn)定，因此運(yùn)動(dòng)檢測(cè)導(dǎo)致增加了圖像的數(shù)量誤報(bào)。RGB+NRGB和本文方法表現(xiàn)出相似的性能（本文方法具有輕微的邊緣），主要取決于亮度檢查，因?yàn)樵陉幱皡^(qū)域中沒(méi)有太多可用的信息。RGB+HSV表現(xiàn)較差，在背景區(qū)域中難以解決不穩(wěn)定的色度信息。圖6顯示了測(cè)試序列3的輸出圖像，表1是性能比較。

3結(jié)束語(yǔ)

在提出的框架中，提倡應(yīng)用飽和度加權(quán)的色度統(tǒng)計(jì)數(shù)據(jù)來(lái)解決低飽和度下色度值不穩(wěn)定的問(wèn)題。實(shí)驗(yàn)表明，在幾個(gè)具有挑戰(zhàn)性的序列中，本文方法優(yōu)于使用歸一化RGB和HSV的方法。此外，由于NRGB在黑暗區(qū)域的行為不穩(wěn)定，因此不建議將NRGB用于背景建模。但是，本文方法的一個(gè)問(wèn)題是，由于使用了飽和度加權(quán)色調(diào)統(tǒng)計(jì)數(shù)據(jù)，因此無(wú)法判斷背景模型中的短色度欠量是不穩(wěn)定的色調(diào)信息還是永久性的低飽和度的結(jié)果。盡管在進(jìn)行的實(shí)驗(yàn)中沒(méi)有發(fā)現(xiàn)明顯的損傷，但這是進(jìn)一步研究的主題，在這種情況下，這種缺陷會(huì)帶來(lái)問(wèn)題。其他感興趣的領(lǐng)域是檢查歐式距離的替代方法，以比較色度向量，以及對(duì)陰影分類進(jìn)行實(shí)驗(yàn)幽性深入研究。

參考文獻(xiàn)

[1]辛國(guó)江，鄒北驥，劉相濱，等.運(yùn)動(dòng)物體的陰影檢測(cè)與分割[J]工程圖學(xué)學(xué)報(bào)，2007（6）：85-90.

[2]李宗民，張洲凱，劉玉杰.基于像素自適應(yīng)背景建模的運(yùn)動(dòng)目標(biāo)分割[J].計(jì)算機(jī)工程與設(shè)計(jì)，2018，39（3）：785-791.

[3] HONG D，WOO. W.A Background Subtraction for aVision-based User Interfac e[C]//ln Proceedings of 2003 JointConference of The 4th International Conference OnInformation. Communications& Signal Processing and 4thPacific-Rim Conference on Multimedia.15一18 December2003， Singapore：IEEE，2003： 1263-1267.

[4] WAN Xiayu.JING Su.Moving Vehicle Detection SchemeUsing Edge Information and Background Subtraction inYcbcr Color Space[J] .Adv Mat Res.2014.3326：2605-2608.

[5] WANG Weihua. WANG Weiqing.Video SegmentationAlgorithm Based on H sv Color Piece[J].Procedia Environ Sci.20II.IO（Pt A）：739-742.

[6] CUCCHIARA R，GRANA C，PICCARDI M，et al. ImprovingShadow Suppression in Moving Obj ect Detection with HSVColor Information[C]//TSC 2001. OaHand： IEEE.2001 ：334-339.

[7] IVAN H.MICHAEL B. H.THOMAS B M. et al. ChromaticShadow Detection and Tracking for Moving ForegroundSegmentation [J]. Image Vis Comput，2015，41 ：42-53 .

[8] NICOLAS H.Pinel J M.Joint Moving Cast ShadowsSegmentation and Light Source Detection in Video Sequences[J] .Signal Processing： Image Communication，2005.21（1） ：22-43 .

[9] POORNIMA S.SUBRAMANIAN S. Unconstrained IrisAuthentication Through Fusion of Rgb Channel Infonnation[J] .International Journal of Pattern Recognition and ArtificialIntelligence.2014.28（5）：1-10.

[10] SALVADOR E.CAVALLARO A.EBRAHIMI T. CastShadow Segmentation Using Invariant Color Features[J].Computer Vision and Image Understanding.2004.95（2） ： 238-259.

[II] KYUNG J K.MIN B K.CHEON H.et aI.Wide Color Gamutand High Dynamic Range Displays Using Rgbw Lcds[J].Displays，2015.40 ：9-16.

[12] CUCCHIARA R.GRANA C.PICCARDI M，et aI.DetectingMoving Obj ects， Gho sts. And Shadows in Video Streams[J] .IEEE Transactions on Pattern Analysis and MachineIntelligence.2003 .25 （10） ：133 7-1342.

[13] GRACIELA B.DANIELA R.WENCESLAO G M. Goodnessof Fit Test for Directional Data[J].Scandinavian Journal ofStatistic s，2014，41（1）：259-275.

[14] THONGKAMWITOON T.ARAMVITH S.CHALIDAB HONGSE T H.An Adaptive Real-timeBackground Subtraction and Moving Shadows Detection[C].//2004 IEEE International Conference on Multi media andExpo.Taipei： IEEE，2004： 156-160.

[15] HII A，HANN C E.CHASE J G.et aI.Fast Nonnalized CrossCorrelation For Motion Tracking Using Basis Functions[J].Comput Methods Programs Biomed.2006，82（2） ： 144-156.

[16] VILLEGAS P.MARICHAL X. Perceptually-weightedEvaluation Criteria for Segmentation Masks in Video Sequences[J]. IEEE Trans. on hmage Process.2004.13（8） ： 1 092-1103.

[17] ANON. An Efficient Static Filters for Sky Detection[J].Research Joumal of Applied Sciences， Engineering andTechnology， 2017， 14（8） ：276-280.