《浅述静止背景情况下运动目标检测和计算》由会员分享，可在线阅读，更多相关《浅述静止背景情况下运动目标检测和计算（4页珍藏版）》请在金锄头文库上搜索。
1、浅述静止背景情况下运动目标检测和计算作普郑愛红赵克萍徐丽1前言在视频图像中被监视的场景图像变化情况称为运动目标的检测。由于阴影、 目标与背景的差别很大且二者又运动一致，运动目标的分割和提取常见干扰为： 目标合并，目标外形改变，目标消失。目前，背景图像静止不动的情况，究其原 理主要分为三类:光流的计算方法、帧间差分方法、背景的消减方法。帧间差分方法主要特点是：相邻的帧差时间的间隔比较短，场景光线的变化 时该方法不太敏感。背景消减法主要特点是：此方法与帧间差分法比较在静止的 背景模型下，在目标运动区域内可获得完整而又精确的描述，较精确的目标图像 可以被提取出来。传统方法在特性方面存在不完善的地方，
2、传统算法中阴影的纹理、颜色、空 间属性在需要分析的区域中会造成的颜色的形变。本文给出未知摄像位置和场景 特征的阴影检测的算法，通过校正纹理和颜色的补偿来获得运动的阴影和物体。2 运动目标分析2.1 背景模型在背景是静止并且光照条件不变的情况下，此背景点的像素值是相对比较稳 定的。统计一段时间内序列为 n 幅图像每一像素点颜色值的期望 和方差 为像 素点。和 组成图像 为初始背景模型。如静止场景内发生了光照强度改变，或静 止物体开始移动,图像上物体静止的像素点被认为前景点，跟踪目标时产生的错 误累加起来，需用序列视频的方法提供信息对初始模型的参数进行更新。为不断 更新背景图像的参数分布，引用参数
3、更新率（常数）。设和 为时刻t点i的期 望和方差，为时刻t+1采集点i的颜色值，t+1时，背景模型为。2.2 阴影模型在可见光点光源和散射源照射下的情况下，假设任意一点的彩色光强值为X, 则 ， E 为照明条件下函数， %d 为波长参数， %j 为反射系数，为为点光源的强度,Ca为散射源的强度,L为光源的方向，N为表面的法向量， 是半影系数转变成为没有阴影的系数。帧Fk阴影的描述通过照明变化进行，在 RGB空间形成的对角形矩阵的模型：，和 为背景Bk和帧Fk阴影像素RGB 值。颜色比率， 都小于 1，为相关联的变量，场景出现不同是在不同的时刻情 况下，在短时间内可以近似认为不变量。2.3 阴影
4、的属性户外阴影特征据分析如下：覆盖的像素 RGB 分量数值降低；阴影像素的蓝 色分量在散射源的作用下其比例上升；若空间上目标内部无空缺，在目标内部阴 影不会出现，由于阴影必须和背景紧挨着；在此阴影情况下区域纹理不被影响； 同时阴影会保持一段时间。2.4 本文算法(1) 运动目标的检测。在文献3中，通过对背景拆分得到开始运动目标 M1。 用两种方法：对当前帧和背景的加权的平均数值进行背景刷新。IB是瞬间背景， 由Bk中目标M1内的像素和帧Fk中目标M1掩模型外的像素两部分数量组成, Bk+1由IB和Bk加权平均计算：为变换后的速度，取值一般0.1。(2) 精简初始阴影像素。设 r、g、b 颜色的
5、分量为帧的分量， R、G、B 颜色 的分量为背景的分量。检测中阴影属性(1)每个像素颜色分量与背景相应分量比 较，是否较小，排除不属于阴影的像素。当，p(x为背景的像素；当为造成的错 误检测在运动的目标、噪声和阴影方面的检测模型。初始化阴影掩模，则。与 M1 比， M2 中运动目标的像素涉及到，计算量会发生变化在阴影区域被保留或减少 步骤。检测蓝色分量。令 ，据户外阴影属性，比和大。初始化阴影掩模，则 ， 。 剔除 M3 中不属于阴影的像素。(3) 反射率(相同)在表面的分割。文献1介绍反射率图像分割标准基于相 邻像素基础上，如： 为相邻像素亮度， %j1、%j2 为反射比率。反射比率不 受照
6、明方向、亮度、反射函数及表面几何性的影响。空间上颜色的分割。设 p1， p2为两个相邻点，u和v为相邻点各颜色分量，p1, p2連续性：，因此 是RGB 空间内的函数，此函数是连续的，若此函数以帧的形式则相邻的两个点在同一表 面。三通道RGB检测对空间分割更精确，同时对颜色较敏感。在帧FK上对掩模 M3 覆盖面对反射率进行分割，所分割得尺寸进行滤波，形成两个子区域集合： 区域集合 和区域集合。(4) 颜色的形变校正。计算颜色的形变 。输入区域和。中多数区域为阴影， 而区域为表面不同的周围目标的背景。依据为空间相邻、区域颜色相近。找到颜 色的形变 区域对在两个区域集合中，即为被阴影覆盖的区域和背
7、景的区域。设 区域集合中的第 j 个子区域和 区域集合中的第 i 个子区域满足所要求的条件， 则(颜色的形变)的计算如下：分子和分母 RGB 分量的平均数值。阴影覆盖表面特征：多种表面出现相应 颜色的形变比率 多种以及满足要求的区域对也是多个。根据距离对这些颜色的 形变进行分类，确定该类的 采用加权平均办法，并颜色的形变设有 n 个：，其 中 wi 为对应 子区域的像素个数。不同表面的颜色的形变集合，校正集合 D 的 颜色的形变。在 子区域对帧 FK 校正颜色得到 ，与背景 Bk 对应区域的颜色相 匹配。设 中区域的平均值 为颜色向量，均值为 为对应背景 Bk 颜色向量，定义 两个向量之间的夹
8、角为：，表示该区域为阴影在角度很小时，阴影掩模 在子区 域校验后得到。(5) 校正纹理。阴影区域是否被遗漏和在阴影中目标的区域被排除可以使用 校正纹理的方法。用比较简单的一阶求导的方法对图像计算找到不同之处。子区 域为阴影表明小于阈值 ，子区域为目标表明大于阈值。阴影的掩模和目标的掩 模 通过 校正纹理得到 。3 实验结果和结论通过多次采集图像实验，实验结果如表 1 所示。表面的划分出现错误是因为利用传统方法分割目标是不完全的。本文方法使 得分割的结果比较完整。在的阴影中包含两个不同表面的颜色的形变，目标分割 使用本文方法是较完整的，对其中一个表面划分是不会出现错误。本文方法较好 地完成了阴影
9、地检测。4 结论由于传统运动检测算法存在不完善地方，在视频特征不清楚的情况下提出阴 影检测的算法。最终发现阴影检测的算法准确并且适用。此外，室内阴影检测能 使用如下算法：针对室内阴影模型特点，相应调整蓝色检测步骤，提出的框架算 法。室内光线复杂或简单，检测也相应的有简有繁。这是下一步攻关的难点。参考文献：1 朗锐数字图像处理学M.北京:北京希望电子出版社,2003:232-305.2 CavallaroA,SalvadorE,EbrahimiT.Shadow-AwareObject-BasedVideo Processing.Vision,ImageandSignalProcessing,2005.3 Hsieh J W,Hu W F,Chang C J,et al.Shadow Elimination for Effective Moving Object Detection by Gaussian Shadow Modeling.International Joural of IamgeandVisionComputing,2003.
