一种基于计算机视觉的运动阴影检测方法与流程

本发明涉及运动目标检测技术领域，具体涉及一种基于计算机视觉的运动阴影检测方法。

背景技术：

运动阴影由于具有与运动目标相似的特征而常常被误判，对运动目标提取，以及跟踪、识别等后续操作带来影响。现有的阴影检测方法，如归一化互相系数方法，为了保证实时性而难以取得较好的检测效果；抑或是支持向量机方法，为了提高检测效果而使得阴影检测耗时较长，均难以应用于实际工程中。

技术实现要素：

本发明的目的在于克服现有技术中的不足，提供了一种基于计算机视觉的运动阴影检测方法，技术问题。

为解决上述技术问题，本发明提供了一种基于计算机视觉的运动阴影检测方法，其特征是，包括以下步骤：

步骤s1，读取视频帧，对视频帧进行运动前景检测，获得运动前景二值图像；

步骤s2，对运动前景图像中各像素点分别计算归一化互相关系数和局部交叉熵获得对应的阴影区域，取两者阴影区域交集作为备选阴影区域；

步骤s3，遍历备选阴影区域轮廓，利用轮廓像素点的邻域信息是否包含目标像素点，筛除误检阴影区域。

进一步的，步骤s1中，运动前景检测采用平均背景建模方法、vibe方法或gmm方法。

进一步的，步骤s2的具体计算过程为，先对运动前景图像中各像素点计算归一化互相关系数，获得一个阴影区域；然后再对运动前景图像中各像素点计算局部交叉熵，获得一个阴影区域；最后取上述两个阴影区域的交集作为备选阴影区域。

进一步的，步骤s3中筛除误检阴影区域的具体过程为：

首先提取备选阴影区域轮廓，遍历备选阴影区域的轮廓像素点，对每个像素点，判断前景检测图像上其周围正方形邻域是否包含目标像素点；若包含，则说明该像素点落在阴影与背景的边界上，将这类点记作x类点；否则说明该像素点落在阴影与运动目标的边界上，记作y类点；

然后统计备选阴影区域轮廓上的x类点与轮廓总长度sum的比值；若两者比值大于设定值，则认为该区域被运动目标包围，是误检测阴影区域，将其从备选阴影区域中删除。

进一步的，所述设定值取值0.6～0.7范围。

进一步的，背景帧定义为ib，当前帧定义为if，其中ib、if均表示图像的灰度值；对于运动前景图像中一个像素点a(x,y)，以其为中心的(2m+1)·(2m+1)的正方形区域邻域，其对应的归一化互相系数ncc(x,y)可以表示为：

计算得到ncc(x,y)大于某设定值，此设定值为0.9～1.0范围，则判断此像素点为阴影。

进一步的，定义背景帧为ib，当前帧为if，其中ib、if均表示图像的灰度值；对于运动前景图像中一个像素点a(x,y)，将以其为中心的(2m+1)·(2m+1)的正方形区域邻域，a的局部相对交叉熵表示为：

计算得到d"(x,y)数值小于某设定值，此设定值为0～0.1范围，则判断此像素点为阴影。

与现有技术相比，本发明所达到的有益效果是：归一化互相关系数法利用阴影亮度特征进行阴影检测，局部交叉熵法抑制亮度影响而利用阴影的纹理进行检测，本发明将二者得到的阴影区域取交集从而确保了获得阴影区域的可信度，从而取得了更好的备选阴影区域检测效果。相比现有方法在实时性和检测精度上均有明显的提高，且加入了误检滤除机制，实现了精确实时的运动阴影检测，有很好的工程应用前景。

附图说明

图1是本发明方法的流程图；

图2是备选阴影区域选取示意图，其中(a)是包含阴影的运动前景图像；(b)是备选阴影区域示意图；

图3是本发明方法与现有技术的对比：其中(a)是原始运动图像；(b)是原始运动图像的运动前景二值图像；(c)是支持向量机方法的运动阴影检测结果示意图；(d)为归一化互相系数方法的运动阴影检测结果示意图；(e)为采用本发明方法的运动阴影检测结果示意图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明的一种基于计算机视觉的运动阴影检测方法，此计算机视觉主要是指利用图像处理的手段来解决运动阴影检测问题，由此来区别于其它非图像处理的方法，其运动阴影检测方法如图1所示，包括以下步骤：

步骤s1，读取视频帧，对视频帧进行运动前景检测，获得运动前景二值图像。

本实施例中采用固定视场的相机，可以从视频流中直接获得视频帧，也可以从由相机保存的视频文件中获取视频帧。

由于本实施例中视频帧图片采用的相机视场固定，因此可以采用现有技术中的平均背景建模方法、vibe方法或gmm方法对视频帧中运动前景进行检测，获得运动前景二值图像，其中运动前景为1，背景区域为0，如图2(a)中a1区域，即为包含阴影的运动前景图像。

步骤s2，对运动前景图像中各像素点分别计算归一化互相关系数和局部交叉熵获得对应的阴影区域，取两者阴影区域交集作为备选阴影区域。

为了确定运动前景图像中单个像素点属于阴影还是运动目标，对被识别为前景的像素点，将以其为中心的(2m+1)·(2m+1)的正方形区域作为取值区域，通常取3*3范围内，也可以是5*5或者7*7范围，只要保证在较小范围内，即可减小引入非目标区域的干扰。以取值区域内当前帧的像素灰度值作为信号x(n)，对应的背景区域内的像素灰度值作为信号y(n)，计算归一化互相关系数。归一化互相关系数反映了两个信号的相关程度。对于阴影区域，x(n)与y(n)同一区域在不同亮度下的灰度显示，x(n)与y(n)具有较好的相关性，而运动目标区域则不具备该特征。将背景帧(不含运动前景)定义为ib，当前帧(既有背景，又有运动前景)定义为if，其中ib、if均表示图像的灰度值。对于运动前景图像中一个像素点a(x,y)，以其为中心的(2m+1)·(2m+1)的正方形区域邻域，其对应的归一化互相系数ncc(x,y)可以表示为：

计算得到ncc(x,y)大于某设定值，此设定值为0.9～1.0范围，则判断此像素点为阴影。经试验，取判断条件为ncc(x,y)大于0.98时此像素点为阴影，判断的误差最小，效果最佳。

依据以上归一化互相关系数计算过程，对运动前景图像中各像素点计算归一化互相关系数，得到一个阴影区域。

已知交叉熵可以用来衡量两个随机分布之间的距离，即两者之间的相似程度。参考归一化互相关系数去阴影方法的处理思想，将当前帧内像素点的邻域像素值，及其对应背景帧内的像素值作为随机分布输入，计算该像素点对应的局部对称交叉熵。若先对邻域内的像素值进行局部归一化，则亮度的影响可以被抑制，纹理特征则被保留下来。阴影区域在消除了光照影响后与对应的背景区域具有较高的相似度，局部对称交叉熵值较小，而运动目标则因对称交叉熵较大而被区分出来。

在图像的rgb三通道中分别计算像素点的局部对称交叉熵。并取其均值作为判别像素点属于阴影还是运动目标的衡量标准。定义背景帧为ib(不含运动前景)，当前帧(既有背景，又有运动前景)为if，其中ib、if均表示图像的灰度值。对于运动前景图像中一个像素点a(x,y)，将以其为中心的(2m+1)·(2m+1)的正方形区域邻域，a的局部相对交叉熵表示为：

计算得到d"(x,y)数值小于某设定值，此设定值为0～0.1范围，则判断此像素点为阴影。经试验，当判断条件取为d"(x,y)小于0.002时此像素点为阴影，判断的误差最小，效果最佳。

依据以上局部交叉熵计算过程，对运动前景图像中各像素点计算局部交叉熵，得到一个阴影区域。

最后取上述获得的两个阴影区域的交集作为备选阴影区域。取两者交集使阴影像素点的邻域具有较小的归一化互相关系数和局部交叉熵。

如图2(b)中，运动前景区域a1被分割为运动目标区域a2和备选阴影区域a3、a4。

归一化互相关系数法利用阴影亮度特征进行阴影检测，局部交叉熵法抑制亮度影响而利用阴影的纹理进行检测，本发明将二者得到的阴影区域取交集从而确保了获得阴影区域的可信度，从而取得了更好的备选阴影区域检测效果。

步骤s3，遍历备选阴影区域轮廓，利用备选阴影区域的邻域信息筛除误检阴影区域。

上述步骤中获得的备选阴影区域包含真正阴影和误检阴影。为了将误检阴影筛除，其阴影误检筛除过程为，首先遍历备选阴影区域的轮廓：提取备选阴影区域轮廓，遍历备选阴影区域的轮廓像素点，对每个像素点，判断前景检测图像上其周围正方形邻域(如取以其为中心的3*3范围)是否包含目标像素点。此判断过程可以通过灰度进行判断，在二值图里，目标像素点的灰度标记为255，背景像素点的灰度标记为0。若包含，则说明该像素点落在阴影与背景的边界上，将这类点记作x类点，如图2(b)中点p1；否则说明该像素点落在阴影与运动目标的边界上，记作y类点，如图2(b)中点p2、p3。

然后判断阴影区域轮廓是否满足条件：对于阴影区域，其与背景重合的边界长度总是大于与运动目标重合的边界长度(弧长大于弦长)，即其边界上y类点的数量要小于x类点。相对的，落在运动目标内部的误判阴影区域与运动目标重合的边界即y类点所占比重较大。因此统计备选阴影区域轮廓上的x类点与轮廓总长度sum的比值，其中sum通过统计阴影轮廓像素点个数得到；若x/sum>0.7(此判断条件取值0.6～0.7范围均可，0.7是经验最优值)，则认为该区域被运动目标包围，是误检测阴影区域，将其从备选阴影区域中删除。如图2(b)中区域a4，为阴影误检区域，删除了所有误检测阴影区域后，得到的为正确的阴影区域，而a3为保留的正确检测的阴影区域。

为了验证本发明的效果，先对一个原始运动图像(如图3(a)所示)进行运动前景检测获得运动前景二值图(如图3(b)所示)。然后对同一个原始运动前景二值图，如图3(b)所示，采用现有技术中的归一化互相系数方法、支持向量机方法以及本发明的方法分别进行运动阴影检测。图3(c)为采用现有技术中支持向量机方法的运动阴影检测结果，图3(d)为采用现有技术中归一化互相系数方法的运动阴影检测结果，图3(e)为采用本发明方法的运动阴影检测结果。从图3中可以看出本发明的检测方法要明显优于二者。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。