索的影响，因此，将小于阈值Tfea的值 变为〇,得到图像Hfta，即
[0054] 步骤D.采用Meanshift算法进行图像IF分割若干子区域形成集合Dseg(N)，依式 (2)取图像IF的色度Cb、Cr分量与背景图像相差最大的区域Dseg(i)，作为车辆车体的搜索 起点区域，如图5所示，其中颜色最深的区域即为搜索起点区域，即
[0056] 步骤E.采用边缘算子对图像IfJi行边缘检测，本实施例中采用Sobel边缘算子 获得边缘图像E，其计算公式为
[0057]
[0058] 其中，Gx=Ifea (x-1，y-1) +2Ifea (x，y-1) +Ifea (x+1，y-1) _Ifea(x-1，y+1) _2Ifea(x，y+1 )_Ifea(x+l，y+i)，
[0059] Gy=Ifea(x-1，y-1) +2Ifea (x-1，y) +Ifea (x-1，y+1) _Ifea (x+1，y-1) _2Ifea(x+1，y) _Ifea (x+l,y+l)
[0060] 采用最大类间方差法求得边缘图像E的二值化阈值Tedge，将小于阈值的边缘 值变为〇,以减少轻微边缘引起的干扰，即
[0062] 然后，将图像UP边缘图像I6_进行叠加，获得融合了边缘梯度、亮度和色度的 特征图像M，各像素的值为
[0063] M(x,y) =Iedge+Hfea (x,y) (4)
[0064] 本实施例中得到的特征图像M如图6所示。
[0065] 步骤F.获取二值化前景目标图像BW，计算二值化BW的形心C(X。，y。)，形心计算公 式为
[0068] 由于特征图像M的边缘信息分布不均匀，表现为车体区域边缘信息丰富而阴影区 的边缘信息非常稀少，因此特征图像M质心更靠近车体，其质心Z(xz，yz)的计算公式为
[0071] 为了消减阴影区与背景区的边缘，构建抑制阴影区域边缘信息的掩膜图像，如图7 所示。为了保留车体边缘信息，邻域L的宽度是可变的，在阴影区内时L值较大，而在非阴 影区时L值较小。设二值化前景图像BW的边界B上的任一点为P(x，y)到形心C的距离为 d。，P(x，y)点到质心Z距离为dz，则邻域L的宽度为
[0072] L=入?arccot[a? (dc_dz) ] (5)
[0073] 本实施例中，当L〈0时，置L为0 ;A为幅度调整因子，本实施例中A值为1 ;a为 变化率调整因子，本实施例中a值为1。该掩膜图像的作用是将P(x，y)点邻域L内的像素 M(x，y)设置为0。对特征图像M经过掩膜图像的操作后，有效地抑制了阴影区的边缘信息， 如图8所示。
[0074] 步骤G.获取搜索起点区域Dseg(i)的边界b，沿边界b找出所有与Dseg(i)相连接 的区域，假设区域数量为r个，构成集合[Dseg (1)，Dseg (1) ???Dseg (r)]，计算特征图像M每个区 域的像素平均值，取平均值最大的Dseg(j)区域与原来的Dseg(i)合并，即
[0076]其中
，nSDseg(m)区域内像素的个数，k为 当前迭代计数。
[0077] 然后循环迭代求得区域Dseg(i)，直到满足式（7)时终止迭代，即特征图像M中与 Dseg(i)相邻的其它子区域中不再存在区域像素特征平均值均小于阈值I的子区域，阈值 I是近似等于零的小数，根据视频场景的不同而整定阈值I的值。
[0079] 区域Dseg(i)未触及的其它子区域组成2个集合％= [Dseg(r+l)，Dseg(r+2)… Dseg(r+k)]和％= 〇)%〇^+1)，0卿〇^+2卜.0卿洲]，〇1是0^1)的周边子区域集合，〇2 是不与Dseg(i)相邻的区域集合。
[0080] 本实施例中％和Q2集合均为非空，说明运动目标存在阴影。又由于集合Q2中区 域像素平均值均小于阈值I，说明只有一个运动目标的阴影。然后，将集合％和92的所有 元素视为阴影的候选区。边界B上邻域L宽度值大于零的区间段所涉及的区域主要是阴影 区，如图6和图7所示，因此，阈值|取邻域L宽度值大于零的区间段所涉及的区域的特征 图像M像素平均值，本实施例中阈值|为0. 1。迭代终止后的Dseg(i)如图5中的灰色区 域，即车辆车体部分，而未被着色的空白区域则为阴影候选区域。
[0081] 步骤扎从％和〇2集合的每一个元素〇)^〇'+1)，0^〇'+2)-0^洲]所代表的子 区域出发，采用区域生长法在特征图像IfM(x，y)中搜寻阴影区域S(j)，区域生长的准则依 式⑶计算。
[0082] S(j) = {P(x,y) :M(x,y) <Tedge&|Ifea(x,y)-Ifea(x+d,y+d) | < ^ 〇&Bff(x,y) = 1} (8)
[0083]获得阴影子区域S(r+1)，S(r+2)…S(N)后，将所有子区域通过逻辑"或"运算得到 运动车辆的全部阴影子区域S，即
[0084] S=Dseg (r+1) |Dseg (r+2)卜.Dseg (N) |S(r+1) |S(r+2)卜.S(N)
[0085]本实施例中全部阴影子区域S如图9所示，其中灰色区域为检测出的阴影，白色区 域为车辆的车体。从图9可以看出，本发明从运动目标中检测阴影的效果好。
【主权项】
1. 一种视频图像中运动车辆阴影检测方法，其特征在于，包含以下步骤： (1) 提取运动车辆目标的图像If和背景图像I B后，分别转换为YCbCr色彩空间，获得 图像If和背景的亮度分量Y、色度Cb和Cr分量，然后构建融合亮度、色度特征信息的图像 Ifta，图像Ua中各点的其像素值为其中，BW为基于背景相减的运动目标检测方法所获得的二值化前景目标图像，D为像 素 P (X，y)的邻域，然后将图像Ifta经最大类间方差法求得阈值T ，再将图像Ifea中小于阈 值Tfea的像素值变为零，从而得到图像H fea; (2) 对图像If进行区域分割，并计算图像IF的各区域与其背景图像之间色度Cb与Cr 之间差值的绝对值总和，将其最大值的区域D^(i)作为车辆车体的搜索起始区域，即(3) 采用边缘算子对图像IfM进行边缘检测，获得边缘图像E，依最大类间方差法求得 边缘图像E的二值化阈值，将小于阈值1；_的边缘值变为零，得到含边缘特征的图像 并将图像Hfta与图像I ?^进行叠加，形成含有边缘、亮度和色度信息的特征图像Μ，即(4) 构造抑制阴影区与背景边缘的掩膜图像，先求得二值化前景目标图像BW的边界B， 沿边界B历遍边界的每一点P (X，y)，再将P (X，y)点对应邻域L内的像素 M (X，y)设置为零， 邻域L的宽度计算公式为 L = λ · arccot [ α · (dc_dz)] 其中，λ为幅度调整因子，α为变化率调整因子，d。为P(x，y)点到特征图像M形心C 的距离，4为P (X，y)点到特征图像M质心Z距离，当L〈0时，将L设置为零； (5) 获取搜索起始区域Dseg(i)的边界b，沿边界b找出所有与Dseg(i)相连接的r个区 域，构成集合[Dseg (I)，Dseg (2)…Dseg (r)]，取该集合中特征图像M的像素平均值最大的区域 Dseg(j)，再将Dseg(j)和Dseg⑴区域合并形成更大的区域D seg(i)，即 Dkseg{i) = Dk^(i) + Dk^(j) (6) 其中，，n SDseg(Hi)区域内像素的个数，k为当前 迭代计数，反复迭代直至得到的区域Dseg(i)满足式（7)时止，即区域Dseg(i)的周边子区域 中不再存在区域像素平均值大于阈值ξ的子区域，阈值ξ取边界B上邻域L宽度大于零 的区间段所触及的区域Dseg(j)的特征图像M像素平均值；(7) 区域Dseg (i)未触及的其它子区域组成2个集合Q1 = [D seg (r+1)，Dseg (r+2) -Dseg (r+k)] 和％= [Dseg(r+k+1)，Dseg(r+k+2)-Dseg(N)]，Q# Dseg(i)的相邻子区域集合，Q2为不与 Dseg(i)相邻的区域集合，若％和02均为空集，说明运动目标不存在阴影，即完成整个阴影候 选区域的检测过程；否则，判断集合Q2中区域的区域像素平均值是否大于阈值ξ，若不大 于则集合％和92的所有元素组成的区域为阴影的候选区，若大于则说明有两个运动目标发 生了粘连，再将集合Q2按式（6)对另一个目标进行阴影分析，直到满足（7)式时将集合Q1和Q2的所有元素组成的区域为阴影的候选区； (6)以阴影候选区为起点，采用区域生长法搜寻阴影候选区及其周边的阴影区域，区域 生长搜寻的准则为 S(j) = {P(x, y) :M(x, y) < Tedge&| Ifea(x, y)-Ifea(x+d, y+d) | < ζ 〇&Bff(x, y) = 1} 历遍集合％和Q 2每一个元素所代表的子区域，搜索子区域内及其周边区域，获得阴影 子区域S (r+1)，S (r+2)…S (N)，所有阴影子区域通过逻辑"或"运算得到运动车辆的全部阴 影区域S，即 S = Dseg (r+1) I Dseg (r+2)卜.Dseg (N) I S (r+1) I S (r+2)卜.S (N)。2.根据权利要求1所述的一种视频图像中运动车辆阴影检测方法，其特征在于，所述 的步骤（1)中，当背景图像Ib的亮度分量Y、色度Cb和Cr分量中任何通道分量偏小导致分 母为零时，采用该通道分量的平均值替代。
【专利摘要】本发明公开了一种视频图像中运动车辆阴影检测方法，用以消除前景图像中运动目标的阴影，提高目标检测与跟踪的准确性。本发明提供的运动阴影检测方法，包括：构建融合亮度、色度和边缘梯度等信息的特征图像，经图像分割后取色度差最大的区域为车体搜索起始区域，迭代搜寻并吸收周边相邻区域中特征值最大的区域，直到满足迭代终止条件后，剩余的子区域集若为空集则表明运动目标阴影可以忽略，若为非空则将剩余子区域作为阴影候选区域，再从每一个阴影候选子区域出发搜索其阴影子区域，最后将所有搜索到的阴影子区域组合成整个阴影区域。该方法能够自动判别是否存在阴影，能够更合理地融合多种特征，减少了人工干预，阴影检测率高，普适性好。
【IPC分类】G06T7/00
【公开号】CN104899881
【申请号】CN201510282190
【发明人】贺科学, 李树涛
【申请人】湖南大学, 长沙理工大学
【公开日】2015年9月9日
【申请日】2015年5月28日