运动人体阴影检测算法

阴影并令∞∽＝０，否贝ｌＪＣ（ｘ，ｙ）为运动人体点。
步骤８：点ｋ力若为当前帧的最后一个像素点，则执行步 骤９；否则，跳到步骤ｌ判断下一个像素。
步骤９：对去除了阴影的运动人体前景图执行形态学操作 的开运算和闭运算，去除噪声并平滑图像。
步骤３，４，５是计算基于光照模型的互相关函数值，并根 据其值进行阴影点的判断。对于白天正常光照条件下，互相 关函数可以检测到９０％左右的阴影点。但对于晚上路灯光照 条件下，大量的阴影点不能通过互相关函数检测得到。
万方数据
１５２０ ２０１０，３１（７）
计算机工程与设计Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｄｅｓｉｇｎ
１．１光照模型
在户外光照条件下，非阴影区域的光线由两部分组成即
太阳光和天空散射光。在本影区中，由于物体遮挡住了直射
的太阳光，故其中只有天空光；半影区中则是天空光和部分太
阳光的组合。各区域的光线不同，光谱能量分布鳓）也就不相
度和不在阴影区的亮度近似成线性关系，为此，可以把互相关
函数∽１引入阴影检测中来。
设视频大小为ＭｘＮ，令曰妇）为背景图像的亮度，ｃ０∥）为
当前帧图像的亮度，定义以点（ｘ力为中心，大小为（２１＋１）ｘ（２１＋１）
的模板ｚ０（册，ｎ户Ｃ（ｘ＋ｍＪ件ｎ），其中一，≤坍≤ｌ，－１≤订≤１。像素点
（ｘ∽与对应背景点亮度的互相关函数定义为Ⅲ
（３）模板区域设置。在计算交叉熵函数和互相关函数时都 需要模板区域，算法针对两种函数设计统一模板，实现了模板 的共享，节约了一定的内存空间。 ２．２算法流程
首先计算待检测点与背景点的互相关函数值（基于光照 模型），若其值大于阈值则判为阴影，则算法结束：否则，计算 待检测点与背景点的交叉熵函数值（基于纹理及边缘特征），若 其值小于阈值则判为阴影。具体步骤如下：
ｇ，当点叮没有被阴影覆盖时记为ｇｌ，当被阴影覆盖时记为咖，
由反射面属性”，得
Ｌｎ，ｑｚ）Ｅ如ｎ）
＝反常量）
工Ｏ，ｑ－），三ｎ，ｑ：）可近似认为是ｑ－点和ｑｚ点的亮度，即：ｑｌ点和
卯点的亮度满足线性关系。即：在同一反射面上，每个点没有
被阴影覆盖和被阴影覆盖时的亮度比应该相等，应满足相同
的线性关系。
由上面的分析可知，同一反射面上像素点在阴影区的亮
步骤４：根据式（３），以％（聊，靠）为模板计算＠∥）与对应背
景点的互相关函数ＣＣＦ（ｘ，ｙ）。
步骤５：若ＣＣＦ（ｘ＃）大于设定的阈值‰，则Ｃ任∽为运动人
体阴影，同时令Ｃ（ｘ，ｙ）－－ｏ，并跳到步骤８；否则执行步骤６。 步骤６：根据式（９），以％（坍，疗）为模板计算ａ旺力与对应背
景点联ｘ∽的交叉熵岛㈨嘶·。 步骤７：若胁㈤删小于设定的阙值乃，贝ＪＪｃ（ｘｏ，）为运动人体
ＣＣＦ：—旦！蚴
Ｇ）
Ｅ如，ｙ）ｘＥｋ
其中
ｒ，
，
１２
ＥＲ（ｘ，力＝ｌ∑∑Ｂ（ｘ＋ｍ，加）瓦，（Ｍ）Ｉ
Ｌ＿－一ＩＰｆ
Ｊ
１
Ｊ
历ｋ力＝∑㈣∑－－肼Ｉ＝－－（Ｉ什所，矿功
，
ｆ
既＝∑∑罡，（所，疗）
ｍ－－１一Ｉ
若点Ｇ，ｙ）为阴影点，则ＣＣｍ，ｙ）＞１Ｔｃｃｒ，其中阈值‰接
近子ｌ。
１．２交叉熵与图像纹理特征相似性酬
Ａｂｓｔｒａｃｔ：Ｔｏ ｓｕｐｐｒｅｓｓ ｔｈｅ ｉｍｐａｃｔ ｏｆ ｔｈｅ ｓｈａｄｏｗ ｏｆ ｔｈｅ ｍｏｖｉｎｇ ｂｏｄｙ ｉｎ ｄｅｔｅｃｔｉｎｇ ａｎｄ ｔｒａｃｋｉｎｇ ｍｏｖｉｎｇ ｔａｒｇｅｔｓ，ａ ｓｈａｄｏｗ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｆｉｔｈｍ ｂａｓｅｄ ０１１ ｉｌｌｕｍｉｎａｔｉｏｎ ｍｏｄｅｌａｎｄ ｉｍａｇｅ ｔｅｘｔｕｒｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｉｓ ｐｒｅｓｅｎｔｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅ ｃｒｏｓｓ－ｃｏｒｒｅｌａｔｉｏｎ ｆｕｎｃｔｉｏｎ（ＣＣＦ）ｂａｓｅｄ Ｏｉｌ ｉｌｌｕｍｉｎａｔｉｏｎ ｍｏｄｅｌ ｉｓ ｉｎｖｏｌｖｅｄ，ａｎｄ ｗｈｅｔｈｅｒ ａ ｐｉｘｅｌ ｉｓ ａ ｓｈａｄｏｗ ｐｏｉｎｔ ｉｓ ｄｅｔｅｒｍｉｎｅｄ ｂｙ ｉｔｓ ｖａｌｕｅ ｏｆｔｈｅ ＣＣＦ．Ｔｈｅｎ，ｔｈｅ ｃｒｏｓｓ－ｅｎｔｒｏｐｙ ｆｕｎｃｔｉｏｎ（ＣＥＦ）ｂａｓｅｄｏｎｉｍａｇｅｔｅｘｔｕｒｅｃｈａｒａｃｔｅｒｉｓｔｉｃｉｓｐｒｏｐｏｓｅｄ．ＣＥＦｉｓｕｓｅｄｔｏｅｖａｌｕａｔｅａｎｏｎ－ｓｈａｄｏｗｐｉｘｅｌｊｕｄｇｅｄｂｙＣＣＦ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ Ｔａｙｌｏｒ ｓｅｒｉｅｓ，ｌｏｇａｒｉｔｈｍ ａｎｄ ｄｉｖｉｓｉｏｎ ｉｎ ＣＥＦ ａｒｅ ｔｒａｎｓｆｏｒｍｅｄ ｉｎｔｏ ｍｕｌｔｉｐｌｉｃａｔｉｏｎ．Ｆｉｎａｌｌｙ，ｂｙ ｍａｋｉｎｇ ｅｘｐｅｒｉｍｅｎｔｓ ｕｎｄｅｒ ｄａｙ ａｎｄ ｎｉｇｈｔ ｃｏｎｄｉｔｉｏｎｓ，ｔｈｅ ｖａｌｉｄｉｔｙ ａｎｄ ｅｆｆｉｃｉｅｎｃｙ ｏｆｔｈｅ ｐｒｅｓｅｎｔｅｄ ａｌｇｏｒｉｔｈｍ ｉｓ ｄｅｍｏｎｓｔｒａｔｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｓｈａｄｏｗ ｅｌｉｍｉｎａｔｉｏｎ；ＣＣＦ；ＣＥＦ；ｍｏｖｉｎｇ ｄｅｔｅｃｔｉｏｎ；ｍｏｖｉｎｇ ｔｒａｃｋｉｎｇ
式（５）中有对数和除法运算，考虑到算法以后可能在嵌入
式上实现，为此，本算法对其进行适当地变形，将对数和除法
运算转化为乘法运算。由泰勒级数展开有
·０９２急魄ｃ凫－１）＋１）＝茎竿曝挚㈣
因点０∽若被阴影覆盖，则肛—Ｐ撕神将比ｐ嘶一更接近于
零，即：帆＿ｐ晰神）仞Ｌｔ。水ｌ，所以式（５）进一步可简化为
ｌ０９２凹ｐ驯Ｊ＂旦蠹笔等￣４ｆ２饥叩一 （７）
光照模型抽象而来，交叉熵函数表达的是图像的纹理特征。二 者结合，对理想和非理想光照条件下的阴影均有较好的检测 效果。先计算互相关函数，对判断为非阴影的像素点才计算 交叉熵函数，进行二次判断，在检测效果不受影响的同时节约 了计算资源。
（２）利用泰勒级数变换交叉熵函数。信息论中交叉熵函数 的表达式中含有对数和除法运算，这对在嵌入式平台上实现 有很大的约束作用，考虑到算法的使用范围，利用泰勒级数将 函数中的对数和除法运算转化为乘法运算并对其进行归一化。
０引 言
运动人体检测是计算机视觉信息提取的一个关键步骤， 是进行更高层次视频图像分析处理的重要基础，如人体跟踪、 三维重建、虚拟现实等。由于光照等因素的影响，在检测到 的运动人体图像中往往含有阴影，阴影和运动人体合在一起， 往往会导致计算机对目标人体的提取和跟踪出现失误。因 此，有必要对图像中的阴影进行检测和分析。运动阴影检测 与抑制方法大致可分为二类：基于模型的方法与基于属性的 方法川。基于模型方法的原理是利用场景、运动目标、光照条 件等先验信息，建立阴影模型，以模型为依据进行判断，此方 法通常在特定场景条件下使用；基于属性方法的原理是利用 阴影的几何特点、亮度、色彩等信息来判断阴影区域，此方法 对不同场景及光照条件有较强的鲁棒性。目前，国内外很多 专家学者对视频序列中的阴影检测和去除进行了比较深入 的研究，提出了很多有效的算法：ＥｌｉＡｒｂｅｌ等人提出基于颜色 比率的算法，这种算法寻找阴影区域和非阴影区域像素点的
对当前帧中每个像素点的亮度值∞∽，依次执行以下
步骤： 步骤ｌ：使用基于自适应混合高斯模型的背景建模算法嘲
万方数据
张杰，丁广太：运动人体阴影检测算法
来更新背景模型。 步骤２：提取运动前景。ｃｂ∽与步骤ｌ中建立的背景模
型匹配。若匹配成功，则该像素点为背景点并跳至步骤８；否 则，继续执行步骤３。
步骤３：以（ｘ∽为中心，确定大小为（２１＋１）ｘ（２，＋１）的匹配模 板￡，（脚，甩）。本文实验中／＝２。
设两个系统＆，＆内存在多个事件Ｓｌ＝｛Ｅｆ，…Ｅ｝，＆＝｛研，…
露｝，每个事件的概率分布为：ｐ－＝切：，．．科｝，ｐ２＝研，“访），则定
义他们的交叉熵为捌
凰。＝∑倒－研）ｌ０９２导一１
（４）
ｐＩ
历
式中：凰。——两个系统Ｓ，岛内各个事件概率分布的相似程
度，风。越小表示两个系统的概率分布越相似；当凰ｓ等于０时
１算法原理
目前，前景图像提取的主要方法有背景减除，时间差分以 及光流法，基于对运算复杂性的考虑，本文采用自适应的混合 高斯模型㈣提取运动前景图像。
收稿日期：２００９－０５．２５；修订日期：２００９．０７．２７。 基金项目：国家８６３高技术研究发展计划基金项目Ｑ００６ＡＡ０９２１３８）；上海市重点学科建设基金项目０５０１０３）；上海市教育委员会科研创新基金 项目（０８ＹＺｌ６）。 作者简介：张杰（１９８４－），男，陕西眉县人，硕士研究生，研究方向为动态图像分析； 丁广太（１９６６一），男，宁夏平罗人，博士，副教授，研 究方向为图像处理、信息安全．Ｂｒｎａｉｌ：ｊｉｅｚｈａｎｇ＠ｓｈｕ．ｅｄｕ．ｃｎ
Ｓｈａｄｏｗ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｏｆ ｍｏｖｉｎｇ ｂｏｄｙ
ＺＨＡＮＧ Ｊｉｅ．ＤＩＮＧ Ｇｕａｎｇ—ｔａｉ （Ｃｏｌｌｅｇｅ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，Ｓｈａｎｇｈａｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０００７２，Ｃｈｉｎａ）
·多媾体技术·
计算机工程与设计ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｅｓｉｇｎ
２０１０，３１（７） １５１９
运动人体阴影检测算法
张杰， 丁广太 （上海大学计算机工程与科学学院，上海２０００７２）
摘要：为了抑制运动人体检测与跟踪中运动人体阴影的影响，提出了一种基于光照模型和图像纹理特征的阴影检测算法。 首先依据光照模型理论，将互相关函数引入算法，并根据背景图像和当前图像对应像素点的互相关函数值判断其是否为阴 影点。在此基础上，依据图像的纹理特征，将交叉熵函数引入算法，对互相关函数判断为非阴影点的像素，进行二次判断。该 算法利用泰勒级数将交叉熵函数中的对数和除法运算转化为乘法运算，简化了运算过程．通过白天和晚上两种条件下的实 验，验证了算法的准确性和有效性。 关键词：阴影去除；互相关函数；交叉熵函数；运动检测；运动跟踪 中图法分类号：ＴＰ３９１．４１ 文献标识码：Ａ 文章编号：１０００．７０２４（２０１０）０７．１５１９－０４