关 闭

新闻中心

EEPW首页 > 安全与国防 > 设计应用 > 行人视频检测中阴影检测与去除方法设计

行人视频检测中阴影检测与去除方法设计

作者:时间:2010-12-28来源:网络收藏
  行人是城市交通系统的主要参与者,保障行人安全和减少其对机动车的干扰是城市交通系统建设的重要目标,因此对行人交通的研究也越来越受到重视。行人交通研究的主要问题[1-2]包括行人检测、目标跟踪和行为分析。基于视频的行人检测与传统的红外检测、GPS检测、激光检测等方法相比,具有不破坏路面、维护方便、实时性好、可检测的参数多等优点,成为实时交通信息采集和处理技术的发展方向。

  视频图像中的阴影会影响行人的检测与跟踪[2-4],因为阴影的存在会造成检测目标的变形、合并、甚至丢失,使得目标定位及计数不准确。近年来,科研工作者对图像中的问题进行了大量研究,在这些研究方法中,考察的图像特征主要有三种:光谱特征、空间特征和时间特征[5]。光谱特征针对像素点,如灰度值、颜色信息等[6],根据当前图与背景图的色差、亮度差值等判断像素点是否为阴影,或者对图像进行变换得到光照无关图[7]进而去除阴影;空间特征是针对某一区域或某一帧图像,根据检测到的图像的轮廓、纹理、边缘等信息判断是否为阴影,如利用图像的轮廓特征[8-9],找到目标与阴影的边界线,对本体和阴影粗分,再建立阴影像素的高斯模板进行细分,既减少了计算量又能达到较好效果;时间特征一般都是与前两种特征结合使用,可以用于对阴影方向或运动速度的估算等,以进一步提高效果。

  本文提出一种新的基于YUV颜色空间的算法,因为很多摄像头的输出信号采用YUV颜色空间,与基于RGB颜色空间的处理方法相比,省去了图像颜色空间转换的步骤,能提高处理速度。在图像特征上,本文结合像素点的光谱特征与图像整体的空间特征,首先通过亮度差和色差对像素点进行判断,再利用目标本体与阴影只相接不相交的空间特征,对去除结果进行修正,使其阴影去除效果更好。同时,为了使算法适应光照、场景等的变化,采用模糊神经网络进行目标本体与阴影的分类,用对网络参数和权值进行自适应调整,以提高算法的鲁棒性。

  1 YUV颜色空间

  在色彩学上,为了可以准确定量地描述颜色,将色彩定义为三大属性:“Y”表示明亮度,即灰度值;“U”和“V”表示色度,作用是描述图像色彩及饱和度,用于指定像素的颜色。根据美国国家电视制式委员会NTSC制式的标准,白光的亮度用Y来表示,色差U、V由B-Y、R-Y按不同比例压缩而成,与红、绿、蓝三色光的关系可用式(1)描述,这也是常用的转换公式。YUV到RGB的转换公式则如式(2)所示。

  

  式中,R、G、B的取值范围均为0~255。通常摄像机的数据以RGB、YUV或YCrCb的格式输出。采用YUV颜色空间的重要性是它的亮度信号Y和色度信号U、V是分离的。目前有很多种颜色空间可以将图像的色度分量和亮度分量区分开来,如HSV颜色空间,但是这种转换较为复杂,对于大型图像非常耗时,并且在亮度值和饱和度较低的情况下,采用HSV颜色空间计算出来的H分量是不可靠的。

  在YUV颜色空间中,如果只有Y信号分量而没有U、V信号分量,则这样表示的图像就是黑白灰度图像。除去亮度信号后,由U和V单纯表现出色度。因此,如果要将U与V色差信号用色相及饱和度来表示,必须从含有三维空间的色点P投影到U-V平面的P′点,如图1(a)所示。U-V平面投影法在受到不稳定光源亮度的扰动时,对于目标色度有较大的精确性且不易辨识错误,但是当光源色温变化过大时,其饱和度和色相的增减变化不易掌握。因此,如果需要判定两个任意色点是否为同一色度时,必须确定其色相与饱和度都是相等的。如图1(b)所示,对两个色点P1与P2,当其与U轴的夹角α1=α2时,表示色相相等;当其与原点的距离L1=L2时,表示饱和度相等。当两者都相等时,表示色度完全相同。

  

  对于光源亮度的不稳定因素,只要光源亮度不是极值(极亮或极暗),对于相似颜色,如深蓝色和蓝色,就有相近的色度关系。对运动目标本体和阴影,也有相近的色度,但亮度值差别较大,可通过计算当前图与背景图之间的亮度差值和色差来进行阴影去除。

  

  


上一页 1 2 3 下一页

评论


相关推荐

技术专区

关闭