一种去除运动目标阴影的新方法
改进的HSV阴影去除算法研究
改进的HSV阴影去除算法研究作者：谭家政刘勇邱芹军来源：《物联网技术》2014年第01期摘要：针对视频序列图像中运动目标的阴影会造成运动目标的物理变形，影响运动目标的检测与跟踪等问题，提出了一种基于HSV色彩空间的无阈值阴影去除算法。
该方法通过分析阴影与背景的 HSV 彩色空间中的特性，并利用阴影与运动目标在 H、S、V 三个分量中的不同特点，提出了一种无阈值的阴影消除算法。
实验结果表明，该方法能够很好地去除阴影区域，同时又保持前景目标区域的完整性。
关键字：阴影去除；无阈值；HSV彩色空间中文分类号：TP391 文献标识码：A 文章编号：2095-1302（2014）01-0084-030 引言近年来，智能视频处理技术在商业、军事和工业领域得到了广泛的应用，如移动视频通信、工业过程控制、自主运载器导航、智能交通、目标检测与跟踪等。
其中，在智能视频处理系统中，运动目标检测与分析是后期处理与应用的基础，要把场景中的运动目标从背景中提取出来，常用的运动目标检测算法有帧间差分法、光流计算法、背景差减法[1]等方法。
检测运动目标大多采用背景差减法，但是常常由于光线在传播过程中被遮挡，在运动目标附近就会形成阴影，阴影常被误检测为前景。
然而，这些前景检测算法都不能将运动目标和运动阴影区分出来。
运动阴影严重影响目标分类、识别、跟踪等后续处理。
因此，如何准确地检测与分割阴影成了智能视频研究的一个重要课题。
在过去的几十年中，国内外很多研究者进行了深入的研究，提出了各种阴影检测与去除算法。
王宏在其硕士论文中对分割目标阴影做了深入的研究，并提出了机遇直方图和聚类技术阴影去除算法、基于色度畸变和局部交叉熵阴影去除算法和多梯度分析与线扫描阴影去除算法，通过实验证明了其提出算法的有效性[2]；刘雪和常发亮等提出了机遇YUV颜色空间色度畸变和一阶梯度模型进行阴影去除的算法，并通过实验证明了其算法具有抗干扰和复杂度低等特点[3]；苑颖、罗青山等提出了一种基于颜色不变形和建立阴影高斯模型的阴影检测和消除算法，其实验证明了其算法的有效性[4]；但这些算法都具有一定的应用背景，离开这些应用背景就会出现很大的误差，甚至完全不起作用。
视频图像运动环境下阴影的消除方法
关键词
运动 ； 阴影 ； 消除 ； 算法
Ｇ ２ 文献标识码 Ａ 文章编号 ２ ０ ９ ６ － ０ ３ ６ ０（ ２ ０ １ ５）０ １ － ０ ０ ３ ５ － ０ ２
中图分类号
就 目前 我 国 的媒 体技 术 发展 状况 而 言 ， 视 频 已 经成 为 了重 要 的媒 体 形式 。尤 其 是在 监 控应 用 环境 之下 ， 视 频 的价 值 更 是 突 出。而 为 了实 现更 为 有效 的视 频监 控 ， 基 于 当 前 的计算 机 应用 以及技 术 特征 来实 现更 为 自动化 的工作 方 式和 效 率提 升 ， 对 于视 频序 列 中 的运动 目标 实现 有 效 识别和 检 测 ， 就 成为 计算机 视觉 识别 认证 中的一个 重要研 究课题 。
作者 简介：张大 禹，所在单位为 中国人 民解放 军９ ２ １ ２ ４ 部 队。
身形状 不确 定 ， 则模 型检 测法 无法 有效 发挥 作用 。 而基 于 属性 的 阴影检 测 方 法则 能够 相 对 有效 地 展 开对 于 运 动 目标 阴影 的 处理 。从 原理 上 看 ， 基 于 属 性 的检 测 方法 是 利 用 阴影 区域 的光谱 和 几 何特 性 来 实 现对 于 阴影 的检 测 ， 常 见 的用 以实 现 阴影 检 测 的属 性 包 括 颜 色 、亮 度 、纹 理 和 梯 度 等 几个 方 面 。 其 中基 于 颜 色 的检 测 技 术主 要 是假 设背 景 色度 不 受 投射 阴影 的影 响 ， 从 而对 背 景和 阴影部 分 进 行识 别 和 区分 ；而基 于 亮 度 的检 测 方法 则 是考 虑 到 阴影 较 周 围环境 应 当更 暗 一些 ，因此 常规 会 采 用 Ｈ Ｓ Ｖ颜 色 空 间和 Ｙ Ｕ Ｖ色 彩 空 间等方 法 展 开计 算和 识 别 。同时 基 于 通 常认 为 的投 影 不 改变 纹 理和 梯度 性质 ， 来 实 现纹 理和 梯 度 方面 的特 征分 析 ，同样 能够 展 开对 于 阴影 的有 效 识 ห้องสมุดไป่ตู้ 和 分 析 ， 但 是 在 实 际应 用 环 境 中 ， 基 于这 两种 思路 的 Ｇ ａ ｂ ｏ ｒ函数 通常 会 因为 计 算量 大 ， 而在实 际监 测过 程 中 的表现 水平有 待提 升 。
基于PPG信号的运动伪影去除算法研究进展
基于PPG信号的运动伪影去除算法研究进展本文将从运动伪影的产生机理入手，介绍基于PPG信号的运动伪影去除算法研究进展，希望能够对该领域的研究和发展起到一定的参考作用。
一、运动伪影的产生机理运动伪影是指在进行运动时，由于身体运动导致的皮肤和组织的变形，从而影响PPG信号的采集和准确性。
主要包括以下几种情况：1. 运动引起的皮肤移动：运动时，由于肌肉活动的变化，导致皮肤在光学传感器区域的移动，从而导致PPG信号的变化。
以上三种情况都可能导致PPG信号的运动伪影，因此如何准确地识别和去除这些伪影成为研究的重点。
1. 时间域滤波算法：时间域滤波算法是最早应用于PPG信号的运动伪影去除算法之一。
该算法主要基于信号的变化频率和幅度，通过时域滤波技术去除运动干扰。
由于时间域滤波算法对信号的时域特征较为敏感，容易受到信号噪音的影响，因此在实际应用中效果并不理想。
2. 频域滤波算法：频域滤波算法是一种比较常见的运动伪影去除算法。
该算法主要是通过对信号进行傅里叶变换，将信号转换到频域进行滤波处理，从而去除运动伪影。
频域滤波算法相对于时间域滤波算法来说，对信号的抗干扰能力更强，能够更有效地去除运动伪影。
3. 自适应滤波算法：自适应滤波算法是一种较为先进的运动伪影去除算法。
该算法主要是通过对信号的变化特征进行自适应处理，根据信号的动态变化实时调整滤波参数，从而在信号保真度和去噪性能之间取得平衡，实现运动伪影的有效去除。
4. 机器学习算法：随着人工智能和机器学习的发展，越来越多的研究开始采用机器学习算法来处理PPG信号的运动伪影。
机器学习算法通过对大量的样本数据进行训练，能够学习到信号的特征和变化规律，从而实现对信号的运动伪影去除，广泛应用于健康监测和诊断领域。
三、技术挑战与发展趋势虽然基于PPG信号的运动伪影去除算法取得了一定的研究进展，但仍然面临着一些技术挑战和发展趋势：1. 多源数据融合：当前的运动伪影去除算法主要是基于单一来源的PPG信号，而实际应用场景中可能存在多种生理信号数据，如心电图（ECG）、加速度计数据等。
基于边缘特征的运动车辆阴影消除方法
基于边缘特征的运动车辆阴影消除方法摘要：针对道路交通车辆检测问题，提出了一种利用边缘特征与垂直投影结合的运动车辆阴影消除方法。
先用混合高斯背景模型提取出背景，利用背景差检测出运动车辆区域，再用区域填充去掉目标区域的噪声，最后利用边缘特征与垂直投影结合，消除阴影。
关键词：混合高斯背景；背景差；车辆检测；边缘特征；阴影消除0 引言近年来，随着计算机视觉的快速发展，智能交通领域得到了蓬勃发展，基于视频的运动车辆检测越来越受到关注。
运动目标的分割是计算机视觉领域的重要课题之一，可应用于视频监控、运动分析、目标识别等领域，然而在运动车辆检测过程中，车辆阴影会对车辆识别造成影响，为了更好地理解运动车辆信息，需要对运动车辆的阴影进行检测和消除，以获得更好的目标分割结果[12]。
杨丹、余孟泽[3]“车辆视频检测及阴影去除”，采用基于背景差与帧间差的方法来检测运动视频中车辆，结合色彩及阴影统计信息建立阴影模型，去除阴影，但是该方法没有考虑到车辆相互遮挡的情况。
李晶晶、管业鹏等[4]“复杂背景下的运动目标分割与阴影消除”，任朝栋、张全法等[2]“快速消除车辆阴影的多阈值图像分割法”，该方法是将灰度化的当前图像与背景差分，再用正、负两个阈值对其二值化，分割深色和浅色来消除阴影，但是当车辆的颜色与阴影颜色相近时不能分割出目标和阴影。
邓亚丽，毋立芳等[5]“一种有效的图像阴影自动去除算法”，提出一种基于颜色统计特性的阴影去除方法，利用阴影的特征来对阴影进行去除。
白向峰、李艾华等[6]“基于颜色和梯度差估计器的运动阴影检测”，提出的一种基于梯度差估计器并融合亮度和归一化颜色特征的阴影检测方法。
刘怀愚、李璟等[7]“基于多特征的运动车辆阴影消除方法”，提出利用边缘特征的阴影消除方法。
1 运动车辆检测1.1 混合高斯模型背景提取运动车辆的检测首先要提取实时的背景，混合高斯模型对复杂场景的背景提取具有良好的应用。
混合高斯模型是对每一个像素定义K 个状态来表示其所呈现的颜色。
视频监控系统中运动目标的阴影消除
Ｋ ｅｙｗ ｏｒｄｓ ｖｉ ｏ ｍ ｏｎｉｏ ｉ ｙｓ ｅ ，ｂａｃ ｒ ｕｎｄ ｕｂｔ ａ ｔ ｏ ｄｅ ｔ ｒ ｎｇ ｓ ｔ ｍ ｋｇ ｏ ｓ ｒ ｃ ｉ ｎ，ｓ ｄｏｗ ｌｍ ｉ ｉ ｈａ ｅｉ ｎａｔｏｎ， ｌｖｅ ｅ ｅ ｈｏｄｓ ｏｍ ｐａ ａｔｖｅ ｆａｍ ｅ ｅ ｌｓ ｔ ｍ ｔ ．ｃ ｒ ｉ ｒ
２１ ０ ０年 ６月
Ｊ ｎ ， ００ ｕ ｅ ２ １
应用数学与计算数学学报
ＣＯＭ Ｍ ． ＯＮ ＡＰＰＬ． ＡＴＨ． Ｍ ＡＮＤ ＣＯＭ ＰＵＴ
第２ ４卷 第 ｌ期
Ｖｏ１２ ＿４ Ｎ Ｏ． １
视频 监控 系统 中运 动 目标 的阴影 消除
胡 金 杰 ， 王 远 弟
摘要 本文通 过分析 阴影 的像 素特征 ，建 立 了一个 关于 目标 帧与背景 帧 的对 比帧来 实 现阴影监 测和 消除．为 了研 究 问题 方便 ，本文 只考虑视 频 系统 中 的摄 像头是 固定位 置的 ， 并且检测 目标 区域 中的较大 阴影．利用光 流法技 术和背 景差方法 ，运 动 目标能被快 速准确 的提取 出来．同时，背景 帧 、前 景帧及 它 们的对 比帧也 被提取 出来 ，而对 比帧具有更 好的 阴影特征 ．在对 比帧上 ，可以使 用静态 图像 处理 技术 的一些 高效算法 ，来 实时检测 阴影 区 域．本 文提 出一个对 比帧的建立方 法，并 进 一步利用 水平集方 法来定 位 阴影 区域和 消除 阴 影．通过 实验 ，在选 择合适 的 阈值 下 ，该方 法是 有效而 快速 的． 关 键 词 视 频 监 控 系 统 ，背 景 差 ， 阴 影 消 除 ，水 平 集 方 法 ，对 比 帧
基于PPG信号的运动伪影去除算法研究进展
基于PPG信号的运动伪影去除算法研究进展针对这一问题，学术界和工业界近年来涌现了许多基于PPG信号的运动伪影去除算法研究。
本文将从算法原理、存在问题、研究进展和未来展望等方面对该领域做一综述。
一、算法原理1. 基于滤波的算法滤波是最常用的一种去除运动伪影的方法，其原理是通过滤波器将PPG信号中的噪声成分滤除，从而得到准确的生物信息。
常见的滤波方法包括FIR滤波、IIR滤波等。
这类算法的优点是计算简单、易实现，但对于某些特定的运动伪影，滤波效果并不理想。
2. 独立成分分析（ICA）算法ICA算法是一种信号处理方法，通过将复杂的混合信号分解成相互独立的成分，从而去除信号中的伪影。
在PPG信号运动伪影去除中，ICA算法通过分解PPG信号和运动信号，并探索二者之间的独立成分，达到去除伪影的目的。
虽然ICA算法在原理上很有吸引力，但其计算量较大，且需要对信号的独立性做出一定的假设，因而在实际应用中并不是十分稳定。
3. 波形差分法波形差分法是利用PPG信号的波形特征来去除运动伪影的一种方法。
该方法认为，运动伪影会使得PPG信号的波形发生变化，因此可以通过比较正常的PPG波形和受到运动干扰的PPG波形的差异，从而去除伪影。
这类方法在原理上较为直观，但对波形特征提取要求较高，且对信号噪声较为敏感。
二、存在问题尽管上述方法在一定程度上可以去除运动伪影，但在实际应用中仍然存在一些问题，需要进一步的研究和改进。
1. 运动伪影复杂多变由于人体在运动时的姿势和运动方式多种多样，所产生的运动伪影也是复杂多变的。
目前的算法往往只针对某一特定的运动伪影进行研究，对于复杂的运动伪影，仍然无法完全去除。
2. 算法稳定性和实时性不足传统的运动伪影去除算法在实际应用中往往存在计算量大、稳定性差、实时性不足等问题，无法满足实时健康监测和运动跟踪的需求。
三、研究进展近年来，随着深度学习和人工智能技术的发展，基于PPG信号的运动伪影去除算法也得到了许多新的突破。
复杂背景下的运动目标分割与阴影消除
取方法 ． 但是此方法仅仅用于提取静止 的前景区域 ，
实 用性 差 。时域差 分 运动检 测法 对于 动态环 境具 有 较 强 的 自适应 性 。 棒性 较好 ， 鲁 能够 适应 多种 动态环
目前 已有 运 动 目标 分 割 方法 主要 有 ： 景 差分 背 法 ［ 、 域 差 分 运 动 检 测 法 ［ 光 流 （ ｐｉ ｌ ５ 时 ］ ９ 和 Ｏ ｔａ ｃ Ｆｏ 法 ［－］ ｌ ｗ） １１ 。其 中 ， 景 差 分 法 利 用 当 前 图像 与 ０１ 背 背景 图像 的差 分来 检 测 运 动 区域 ， 这 种 方法 对 光 但
项 目来源 ： 国家 自然科学 基金项 目（０ ７ １７ ； ６８ ２ １ ） 上海大学创新基金 （ ＨＵ Ｘ１２ ２ ） Ｓ Ｃ １ １ １
收 稿 日期 ：０ １ ０ — ６ ２ １ — ５ １ 修 改 日期 ：０ １ ０ — ９ ２ １－ ６ ０
５２ ７
电 子 器
件
第３ ４卷
Ａｂｔａ ｔＡ ｍ ｎ ｏ ｘｓｎ ｍｉ ｒｇｏ ｎ ｂｅｔ ｓｇ ｅ ｔ ｉｎｓｃ ｓｎ ｏ ｐｅ ｅｍ ｎａ ｏ ｆ ｏｉｇ ｓｒｃ ： ｉ ｉｇｓｍｅ ｉｉｇｌ ｔ ｉ ｆ ｅｒｕ ｄｏ ｊ ｓ ｅｍ ｎａ ｏ ｕｈａ ｃｍ ｌ ｅｓｇ ｅ ｔ ｉ ｏ ｍ ｖ ｅ ｔ ｉ ｓｎ ｏ ｃ ｔ ｉ ｔ ｔｎ ｎ
关 键词 ： 计算机视觉 ； 目标分割 ； 高斯混合模 型 ； 小波变换 ； 消除 ； 阴影
中图分 类号 ： Ｐ ９ ．２ Ｔ ３１４
文献标 识码 ： Ａ
文 章编 号 ：０ ５ ９ ９ （ ０ １ ０ — ５ １ ０ １ ０ — ４ ０ ２ １ ）５ ０ ７ — ５
随着视频多媒体的不断发展 。 视频运动 目标分 割已经成为计算机视觉研 究 的核心课题之一 ＿ ］ １ ，
基于改进型LBP特征的运动阴影去除算法
计 算 机 系 统 ＝ 用 Ｉ 立
２１ 年 第 １ ０ ０ ９卷 第 Ｓ期
基于改进型 Ｌ Ｂ Ｐ特征的运动阴影去除算法①
郝 灿 朱信 忠 赵建 民 徐 慧英 （ 浙江师范大学 数理与信 息工程学院 浙江 金华 ３ １ ０ ） ２ ４ ０
摘 要 ： 在局部二值模 式（Ｂ ） Ｌ Ｐ基础上 ，运 用一种改进 的局部 三值模式（Ｔ ） Ｌ Ｐ纹理特征提取 方法。并把这种提取 方法运用到运动 阴影去除 中。该 方法首先利用 自适应 高斯混合模 型进行背景建模 ，得到背景和含有 阴
一种自适应的运动目标阴影消除新算法
Ｋｅ ｒ ｓ ｄｐｉｅｄ ｎｍｉ ｔｘｕｅａ ａ ｓ ； ｖｎ ｂｅｔ；ｈｄ ｗ ｅｉ ｎｔ ｎ ｙｗｏ ｄ ：ａ ａｔ ；ｙ ａ ｃ ｅ ｔ ｎ ｌ ｉ ｍｏ ｉｇｏ ｊｃｓｓａ ｏ ｌ ａｉ ｖ ｒ ｙｓ ｍｉ ｏ
摘
要 ： 确地 消除 活动 阴影对运动 目标 的影响是智能视频监控 的核 心任务之 一 ， 精 对此提 出了一种基 于局 部纹理分析 的 自适应
阴影 消除 新 算 法 。进 行 了基 于 高斯 混合 模 型 的 背 景 重 建 ， 并根 据 阴 影 的 光 学 特 性 进 行 了 阴影 区域 的 预 检 测 ， 到 疑 似 阴影 区域 ； 得 提 出了一 种新 的 自适 应 动 态 纹理 分 析 方 法并 在 此 基础 上 实现 了活动 阴影 的检 测 与 消除 。 实验 结果 验 证 了算 法的 有 效性 和 实用 性 。
关键词 ： 自适应 ； 态纹理分析 ； 动 运动 目标 ； 阴影 消除
ＤＯＩ１．７ ８ ，ｓ ． ０ —３ １ ０ ０３ ．５ 文章 编 号 ：０ ２８ ３ （ ０ ０ ３ —１８０ 文献 标识 码 ： 中 图 分 类 号 ： Ｐ ９ ．０３ ７ ／ｉ ｎ１ ２８ ３ ． １．６ ２ ｊｓ ０ ２ ０ １０ —３ １２ １ ）６０ ８ —４ Ａ Ｔ３１
ｂ ｈ ｏ ｅ ｔｏ ． ｐ ｒ ｅ ｔｒｓ ｌ ｒ ｖ ｈ ａｉ ｉ ｎ ｒｃｉａ ｉｔ ｆ ｔｅ ａｇ ｒ ｈ ． ｙ ｔｅ ｎ ｖ ｌｍｅｈ ｄＥｘ ｅｉ ｎ ｅｕｔ ｐｏ ｅ ｔｅ ｖ ｌ ｔ ａ ｄ ｐ ａ ｔ ｂｌ ｏ ｈ ｌｏ ｉ ｍ ｍ ｓ ｄｙ ｃ ｉ ｙ ｔ
自然场景下运动目标检测与阴影剔除方法
（ １ ．Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｅｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ，Ｗ ｕ ｈ ａ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｗ ｕ ｈ ａ ｎ ４ ３ ０ ０ ７ ２，Ｃｈ ｉ ｎ ａ；２ ．Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｐｈ ｙ ｓ ｉ ｃ ｓ ａ ｎ ｄ Ｅｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ，Ｈ ｕ ｂ ｅ ｉ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ，Ｘｉ ａ ｏ ｇ ａ ｎ，Ｈｕｈ ｅ ｉ ４ ３ ２ ０ ０ ０，Ｃｈ ｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ａ ｍｅ ｔ ｈ ｏ ｄ ｆ ｏ ｒ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｎ ｇ ｍｏ ｖ ｉ ｎ ｇ ｏ ｂ ｊ ｅ ｃ ｔ ｓ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｄ ｕ ａ ｌ — ｔ ｈ ｒ ｅ ｓ ｈ ｏ ｌ ｄ ａ ｎ ｄ ｍｕ ｌ ｔ ｉ — ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ
自然 场 景 下 运 动 目标 检 测 与 阴 影 剔 除 方 法
屠 礼芬 ，仲 思东 ，彭祺 。
（ １ ． 武 汉 大 学 电子 信 息 学 院 ， ４ ３ ０ ０ ７ ２ ，武汉 ； ２ ． 湖 北 工 程 学 院 物 理 与 电 子 信 息工 程学 院 ，４ ３ ２ ０ ０ ０ ， 湖北孝感）
Ｇａ ｕｓ ｓ ｉ ａ ｎ ｍｉ ｘｔ ｕ ｒ ｅ ｍｏ ｄ ｅ ｌ ｓ ａ ｎｄ ｆ ｏｒ ｅ ｌ ｉ ｍｉ ｎａ ｔ ｉ ｎｇ ｓ ｈａ ｄ ｏｗ ｂａ ｓ ｅ ｄ ｏ ｎ ｍｕ ｌ ｔ ｉ — ａ ｔ ｔ ｒ ｉ ｂｕｔ ｅ（ ｎａ ｍｅ ｄ Ｍ ＲＰＳ） ｉ ｓ ｐ ｒ ｏ ｐｏ ｓ ｅ ｄ ｔ ｏ ａ ｄｄ ｒ ｅ ｓ ｓ ｔ ｈｅ ｐｒ ｏ ｂｌ ｅ ｍ ｏ ｆ ｌ ｏ ｗ ｆ ｏ ｒ ｅ ｇｒ ｏ ｕｎ ｄ ｍａ ｓ ｋ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏｎ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｃ ａ ｕ ｓ ｅ ｄ ｂｙ ｃ ａ ｓ ｔ
运动目标检测中阴影去除算法的
利用颜色直方图或颜色矩阵等颜色特征，通过计算颜色差异和梯度来检测阴影 区域。
基于纹理特征的阴影去除
基于纹理特征的阴影检测算法
利用图像的纹理特征，通过比较纹理信息来检测阴影区域。
基于多尺度纹理分析的阴影去除算法
对图像进行多尺度分解，利用不同尺度的纹理信息来去除阴影。
基于深度学习模型的阴影去除
提升目标识别率
通过去除阴影，可以更好地突出运动目标的特征，提高目标 的可识别性，从而帮助监控系统更好地分析目标行为。
在无人驾驶中的应用
避免遮挡
在无人驾驶中，运动目标检测是实现车 辆避障和路径规划的重要手段。阴影可 能会遮挡住部分目标，影响检测效果。 去除阴影可以提高目标的可见性，从而 帮助无人驾驶系统更好地感知周围环境 。
缺点：计算量大，实时性较差。
背景减除法
通过将当前帧与背景 帧进行减除，提取出 运动目标。
缺点：对动态背景适 应性较差，易受背景 干扰影响。
优点：能够适应静态 背景，对光照变化和 场景变化具有较强的 鲁棒性。
03
阴影去除算法研究
基于颜色特征的阴影去除
基于颜色空间的阴影去除算法
通过将图像从RGB颜色空间转换为HSV或YCrCb颜色空间，可以更好地分离阴 影区域，并对其进行处理。
增强适应性：针对不同场景和条件，研究更具适应性的阴影去除算法，提高其对复杂环境和 变化光照条件的鲁棒性。
研究不足与展望
数据集扩充
通过对更大规模、更多样化的数据集进行训练和测试， 提高阴影去除算法的性能和泛化能力。
多模态融合
将不同模态的信息进行融合，如图像、视频和传感器数 据等，以提供更全面和准确的运动目标检测和阴影去除 结果。
运动目标检测中的阴影去除方法
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 ,它较 RGB 颜色空间更接近于人眼对颜色的感觉 ,可以消去彩 色信息中强度分量的影响 ,通过比较当前帧图像和 背景图像的亮度和色度变化 ,检测出阴影区域 。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 。
L IU Xue, CHANG Fa - liang,WANG Hua - jie
( S chool of Con trol S cience and Eng ineering, S handong U n iversity, J inan 250061, Ch ina)
Abstract: Shadow is always regarded as foreground in detecting moving object by using background subtraction algorithm , which has bad effect on segm enting and extracting object. In order to extract object exactly, a shadow supp ression method based on chrom inance distortion in YUV color space and first order gradient inform ation is p roposed in this paper. Experiments result show that the algorithm is robust in noisy environm ent, low comp lexity, and easy to be imp lem ented in real time.
基于光照不变性模型下的阴影去除方法
动的， 为 了能 够 准 确 地 识 别 运 动 目标 ， 必 须 检 测 和 消 除运动 目标 的阴影 ¨ 。 阴影对 计 算 机 视 觉 领 域 很 多 算 法 都 会 产 生 影 响 。图像分 割 中 Ｊ ， 不 期望 出现 的 阴影 可 能会 跟 真 实 目标 一 起 被 检 测 出来 ； 目标 识 别 中 ， 由于 阴影 的存 在 而影 响 目标 的 颜 色 、 形态特 征， 大 大 降 低 识 别 的准确 性 ； 目标 跟 踪 中 Ｊ ， 光 流 的计 算 易 受 关 照
口：Ｐ ａ ｌ ＂ （ ２ ）
Ｐ 为投影 角度所 确定 的 ２× ２的投影矩 阵 。得 到 三通道 图像 。
ｐ ＝Ｕ （ ３ ）
这样 可 以得 到二 维 的光 照不变性 图像 。
ｒ＝ ｅ ｘ ｐ ｐ （ ４ ）
在 二维 不 变性 图像 的基 础 上 去 除 阴影 。设 原 图像为 Ｉ ， 先把 原 图像 转化 到对 数 空 间 ， 表示 为 ，
ｌ ｇ （ Ｒ ／ Ｇ），ｌ ｇ （ Ｂ ／ Ｇ ）组 成 的 空 问 改 为 ｌ ｇ （ Ｒ ／ ｐ ｍ），
Ｖ
Ｖｙ Ｉ ＇
ｋ
） 盖 ） ；
） （ ５ ）
（ ）
ｌ ｇ （ Ｇ ／ ｐ ｍ）， ｌ ｇ （ ８ ／ ｐ ｍ）组 成 的 三 维 空 间 坐 标 ， 其 中
（ ６ ）
２ ０ １ ３年 ４月 １ ０日收到
武夷学 院国家级大学生创新训练项 目（ ２ ０ １ ２ １ ０ ３ ９ ７ ０ ０ ７ ） 资助
式（ ６ ） 中， ｉ ∈｛ ， Ｙ ｝， 为阈值 。
目标 是去 除 阴影 ， 而 现在 得 到 的是 包 含 阴影 的
基于弱阈值分割的运动人体阴影去除算法
ｉ ｏｏ ａｅａ ｄｇａ ｉｎ ａｅｒｓｅｔ ｅｙｔ ｅ ａｔ ｌ ｂｅ ｔ ｗｈｃ ｒ ｒｅ ｅｔＡｆ ｒｈ ｅｇ ｂ ｕ ｘｎ ，ｈ ｏ ｌｔ ｏｊｃ ｔ ｏ ｎｃ ｌｒ ｐ ｃ ｎ ｒｄｅ ｔｐ ｃ ｐｃｉ ｌ ｇ ｔ ｒａ ｏｊｃｓ ｉｈａｅｍｅｇｄｎｘ． ｔ ｅｎ ｉｈ ｏ ｒ ｉｇ ｔｅｃ ｍｐｅｅ ｂｅｔ ｈｎ ｓ ｓ ｅ ｖ ｏ ｐ ｉ ， ｅｔ ｉ ｆ ｗｉ
Ｌ － ｅ， Ａ ｉｏｍｉ， ｉｏｈ ｉｚ ＡＮＧ Ｓ ｅ ｇ ｕ Ｉ Ｋｅｗ ｉＹ ＮＧ Ｘ ａ － ｎ ＨＥＸ ａ －ａ， Ｈ ｈｎ － ｎ ｊ
（ｎ ｔ ｕｅ ｆ ｍａ ｅＩｆ ｒ ｔ ｎ Ｃ ｌ ｇ ｆ ｌ ｔ ｎｃ ｎ ｆ ｒ ｔ ｎＥ ｇｎ ｅｉｇ Ｓ ｃ ｕ ｎＵｎｖ ｒｉ ， ｅ ｇ ｕ６ ０ ６ ， ｈ ｎ ） Ｉ ｓ ｔｔ ｇ ｏｍａｉ ， ｏ ｌ ｅｏ ｅ ｒ ｉｓ ｄＩ ｏｍａｉ ｎ ｉｅ ｒ ， ｉ ａ ｉｅｓ ｙ Ｃｈ ｎ ｄ １ ０ ５ Ｃ ｉ ａ ｉ ｏＩ ｎ ｏ ｅ Ｅ ｃｏ ａ ｎ ｏ ｎ ｈ ｔ
及 光流法。由于 本文采用弱阈值分割 ，因此必须从 目标提取 的角度进行 阴影去除 。本文采用文献［】 ６中的混合高斯模 型法 获取运 动前景 ，之后进行弱 阈值 目标提取 ，经过融合得到 去 除阴影 后的运动 目标 。算法流程如 图 １ 所示 。
影与 目标 同时分离出来 ，影响 了智能监控系统 的可 用度与准
文献标识码：Ａ
中圈分类号ｔＴ３１ Ｐ９
基 于 弱 阈值 分割 的运 动 人 体 阴影 去 除算 法
李 科伟 ，杨 晓敏 ，何小海 ，张 生军
（ 四川大学 电子信息 学院图像 信息研究所 ，成都 ６ ０ ６ 种基于弱阈值分割 的运动人体 阴影去除算法。从 阈值 选取的角度出发 ，定义强阈值与弱闽值 ， 用混合高斯模型获取运动 提 使
视频监控系统中运动目标检测的阴影去除方法
视频监控 系统 中运动 目标检 测 的阴影去 除方法
付 萍 ，方 帅 ，徐 心和 ，薛定字
（． １ 东北大学人工智能与机器人研究所 ，沈阳 １ ０ ４ ２ 合肥工业大学计算机与信息学院，合肥 ２ ０ ０ ） １ ０； ． ０ ３ ０ ９ 摘 要 ：在分析 了阴影产生的原 因及视觉特性 的基础上 ， 针对 固定场景 的运动 目 标检测 问题 ，提出了一种 具有实际应用价值 的阴影检测与
ｌ概述
视频监控系统通常采用固定的 Ｃ Ｄ 摄像机对某一场 景 Ｃ 进行连续不断地监视 ，并对采 集到的序列 图像进行处理和 分 析 ，实现对运动 目标的 自动检测、识别和跟踪 。但视频 图像 受光源 的影响很大 ，当光源在入射 方向上受到不透 明物体 的
ｅ ｌｙｄｔ ｄ ｔ ｔｈ ｈｄ ｗ． ｈｄ ｗ ｉｒｍｏ ｅ ｎ ｅ ｂｅ ｔｓ ｅ ｍｅ ｔ ． ｘ ｅ ｍｅ ｔｌｅｕｔａｅ ｉｅ ｅ ｎｔ ｔ ｔｅｅｆｃｉｅ ｅｓ ｎ ｍｐｏ ｅ ｅｅ ｅｓａｏ Ｓ ａｏ Ｏ ｃｔ ｓｅ ｖｄａｄｔ ｊｃ ｉｓｇ ｎｅ Ｅ ｐ ｒ ｎａ ｒｓｌ ｖｎｔ ｄｍｏ ｓ ａ ｆ ｔ ｎｓ ｄ ｈｏ ｄ ｉ ｓ ｇ ｒ Ｏ ｒ ｅｈ ｅ ｖ ａ
ｂ ｓ ｄ ｏ ｌ ｍ ｉ ａｉ ｎ ａ ｓ ｓ ｍｅ ｔｉ ｅ ｅ ｏ ｅ ｒ ｔ ｉ ｐ ｒ ｏ ｅ ａ ｅ ｎ ｉ ｕ ｎ ｔｏ ｓ ｅ ｓ ｎ ｓ ｄ ｖ ｌ ｐ ｄ ｆ ｈ ｓ ｕ ｐ ｓ ．Ｍ ｕ ｔ ｇ ａ ｉ ｎ ｎ ｌ ｉ ａ ｄ ａ ｆ ｓ ｌ ｔｒｎ ｌ ｏ ｉ ｍ ｏ ｈ ｅ ｈ ｄｅ ｍ ａ ｅ ａ ｅ ｌ ｏ ｌ — ｒ ｄ ｅ ｔａ ａｙｓｓ ｎ ａ ｔｃｕｓｅ ｉ ｇ ａ ｇ ｒｔ ｉ ｈ ｆ ｒ ｔ ｒ ｓ ｏｌ ｄ ｉ ｇ ｒ
运动目标检测中的阴影去除方法
Ｋ ｙｗ ｒ ｓＳ ａ ｏ ｕ ｐｅｓ ｎ Ｍｏｉｇｏｊｃ ｄ ｔ ｔ ｎ Ｃ ｌｒ ｐｃ ； ｉ ｔ ｒｅ ｍｄｅｔ ｅ ｏ ｄ ：ｈ ｄ ｗ ｓｐ ｒｓｉ ； Ｖｎ ｂ ｔ ｅｅ ｉ ； ｏ ａｅ Ｆｒ ｄｒｇ ｉ ｏ ｅ ｃｏ ｏｓ ｓｏ ｎ
１ 引
言
２ 颜色模型
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 ， Ｈｓ 如 Ｖ颜 色 空 间 ， 它较 Ｒ Ｂ Ｇ
从视频序列图像 中实时分割运动 目标 ， 是计算 机 视觉应 用领域 中一项基 本 而又重 要 的环节 。检 测 前 景 目标 大多采 用 背 景 差分 法 ， 以阴影 点 常 常 被 所 误 检测为 前 景 点 ， 重 影 响 了 目标 的 分 割 与 提取 。 严 例如阴影会导致场景 内目标 的融合 ， 目标几何特征 的扭曲， 虚假 目 的出现等， 标 这些都直接影响到 目 标 分类 、 识别 、 跟踪等后续处理 。 阴影 和 目标 具 有 共 同 的 视 觉 特 征 ， 要 体 现 主 在… ： 由于阴影 和背景 图像 间存 在很大 的不 同， ① 在运动检测过程中常常将 阴影检测为前景 ； ②阴影
Ｎｏ ５ ．
微
处
理
机
第 ５期
２Hale Waihona Puke ０ ８年 １ Ｏ月０ｃ ．． ｏ ８ ｔ ２ ｏ
ＭＩ ＣＲ０Ｐ ＲＯＣＥＳ ０ＲＳ Ｓ
运 动 目标 检测 中的 阴影 去 除方 法
刘 雪， 常发 亮 ， 王华 杰
（ 山东大学控制科学与工程学院， 济南 ２０６ ） ５０ １
摘 要 ： 采用 背景 差分 法检 测运 动 目标 时常常将 阴影 点检测 成前 景 点 ， 目标分 割 与提 取产 生 对 严重影 响。 为 了准 确提 取运 动 目标 ， 出 了一种基 于 Ｙ Ｖ颜 色 空间色度 畸 变和 一 阶梯 度模 型进行 提 Ｕ
视频序列中运动目标影子去除方法
【 ｙｗｏｄ ］ｈ ｄＷ ｒｍｏａ；ｂｅｔ ｅｅｔｎ；ｌｓ ｒ ｇ Ｋｅ ｒ ｓｓ ａ０ ｅ ｖｌｏｊｃ ｄｔｃｉ ｃ ｔｉ ｏ ｕｅｎ
并 如 则 视 频 监 控 系 统 通 常 某 一 场 景 进 行 连 续 不 断 地 监 视 ， 对 采 集 到 的 最 近 距 离 的类 ， 更 新该 类 的类 中心 ； 果 距 离 不 满 足最 小距 离 ， 对 并 产 序 列 图像 进 行 处 理 和 分 析 ， 现 对 运 动 目标 的 自动 检 测 、 别 和跟 踪 。 Ｐ点 另 立 新 类 。将 Ｐ点 取 遍 分 割 后 的 区域 后 ， 生 一 个 较 为 复 杂 的 聚 实 识
际 应 用 中 是不 现 实 的 。 于颜 色 特征 的方 法 主要 根 据 目标 和 阴影 不 同 基 的 光 学 和 颜 色 特 征 来 分 离 目标 和 阴 影 ， 文 献 『］ 用 阴影 的 光 学 特 如 ３利
３ 物体 影子 聚 类 去 除 方 法 ．
（ ） 定 影 子 的区 域 １确
科技信息
。高校讲坛０
Ｓ ＩＮ Ｅ＆Ｔ Ｃ Ｎ Ｌ Ｇ Ｆ Ｒ Ａ ＩＮ ＣＥ Ｃ Ｅ Ｈ Ｏ Ｏ ＹＩ Ｏ Ｍ ＴＯ Ｎ
２０ ０８年 第 ３ 期 Ｏ
视频序列中运动 目标影子去除方法
刘 怀 强 （ 临沂师 范 学院物 理 系 山东 临沂
【 摘
２６ ０ ７ ０ ５）
要Ｊ 针对 固定场景的运动 目标检测问题， 本文提 出 了一种具有 实际应 用价值 的阴影去除方法。该方法通过 背景差分方法分割 出运动
当存 在 多 个 物 体 时 ， 邻 两 物 体之 间 的影 子 区 域 可 取 两 物 体 边 界 相
该 点 与 ｒ（ ： ） 类 的 距 离 满 足 预 定 义 的 最 小 类 距 离 ， Ｐ点 归 为 ｅ ｍ＜ ｎ 个 则
基于局部纹理不变性的运动阴影去除算法
ｔ ｔｅｍ ｓｌｓｆ ａｏ ｆ ｖｎ ｈｄｗ ａ ｒ ｒｕ ｄ ｎｏｄｒｔ ｄｔｃ ｔｅｍｏｉ ｂ ｃｓ ｃｕａ ｌ，ａｍ ｔｏ ａｅ ｎ ｏ ｈ ｉ ａｓ ｃｔ ｎｏ ｍｏｉｇｓａｏ ｓ ｏｅ ｏ ｎ ．Ｉ ｒｅ ｏ ｅ ｔｈ ｖｎ ｏｊ ｔ ａｃｒｔ ｙ ｅ ｄｂ ｓｄｏ ｃ ｉ ｉ ｉ ｆ ｇ ｅ ｇ ｅ ｅ ｈ
标 的 进 一 步 分 类 、 别 等 高 层 次视 觉 处 理 。为 了提 高运 动 目标 检 测 的 准 确 性 ， 出 利 用局 部 纹理 不 变性 去 除 运 动 目 识 提
标 阴影 。首先根 据 阴影 的亮度 色度 属性 分割 出疑似 阴影 区域 ， 然后 在疑 似 阴影 区域采 用增 强的局 部纹理 描述 算子 （Ｌ ） ＩＴ 提取 纹理特征 ， 用背景在 阴影覆 盖前后 的纹理相似性来去除 阴影 ， 利 最后 结合 阴影的 空间几何 属性优化 运动 目 标检测结果 。实验结果表 明该 算法可以有效去除 阴影 ， 并且具有较好 的实时性。 关键词 ： 背景 差分 ； 运动 目标检测 ； 阴影去除 ； 局部二值模 式
ｔｅｔｘｕ ａ ｓｍｉ ｒｙ ｂ ｔ ｅ ｈ ｕｒｎ ｒｍｅ ａ ｄ ｔｅ ｃｒｅｐ ｎ ｉｇ ｂ ｃ ｇｏ ｎ ｄ １ Ｆｎ ｌ ，ｔｅ ｇ ｏ ｔ ｃｈ ｕ ｉｔ ｓ ｈ ｅ ｔｒｌ ｉ ｌ ｉ ｅｗｅ ｎ ｔｅｃ ｒｅ ｔｆａ ｎ ｈ ｏｒｓ ｏ ｄｎ ａ ｋ ｒｕ ｄ ｍｏ ｅ． ｉａｌ ｈ ｅ ｍｅｒ ｅ ｒ ｉ ａｔ ｙ ｉ ｓｃ
Ｄｅ ｃ．２ ０８ ０
基 于局 部 纹 理 不 变 性 的运 动 阴 影 去 除 算 法
胡 园 园 ， 让 定 王
（ 宁波大学 信息科学与工程学 院， 浙江 宁波 ３５ １ ） １２ １ （ｉｔ ．． ．ｕ １３ ｃｒ ｖｃ ｒＹ ｙｈ ＠ ６ ．ｏ ） ｏ ｎ
一种新的基于ViBe的运动目标检测方法
并 实现 目标 跟踪 。实验结果袁 明， 新方 法在 消除鬼 影、 阴影 等干扰方 面表 现 出 了优 越 的性 能 ， 在 交通监控 实时视 频流
中具有理 想的车辆检测和 跟踪 效果 。
关键词 Ｖｉ Ｂ ｅ改进 ， 鬼影 ， 阴影 ， 运 动 目标 检 测 ， 跟 踪
中图法分 类号
Ｔ Ｐ ３ ９ １
摘 要 针 对 Ｖｉ Ｂ ｅ 运动 目标检 测算法在 实际环境 中存在无 法消除鬼 影、 阴影等干扰 的问题 ， 结合三帧 差分 、 边缘检 测
等技术 ， 提 出了一种 Ｖｉ Ｂ ｅ改进 算法 。预 处理 阶段 通过 三帧差分获得 真 实背景 并 消除鬼影 ， 运 动 目标检测 阶段结合 先
验知识和边 缘检 测方 法获得真 实的运动 目标 以消除阴影 ， 目标描 述与跟踪 阶段运 用像 素标记 分割方 法得 到 目标描 述
ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｗａ ｓ ｐ ｕ ｔ ｆ ｏ ｒ ｗａ ｒ ｄ ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ． Ｂ ｙ ｕ ｓ ｉ ｎ ｇ ｉ ｎ ｔ ｅ ｒ － ｌａ ｆ ｍｅ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｎ ｐ ｒ ｅ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｓ ｔ ａ ｇ ｅ ， ｔ ｈ ｅ
ｐ ｉ ｘ ｅ ｌ — ｌ ａ ｂ ｅ ｌ ｅ ｄ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ 。 ｔ ｈ ｅ ｄ ｅ ｓ ｃ ｒ ｉ ｐ ｔ ｉ ｏ ｎ ｏ ｆ ｍｏ ｖ ｉ ｎ ｇ ｏ ｂ ｊ ｅ ｃ ｔ ｃ ａ ｎ ｂ ｅ ａ ｃ ｈ ｉ ｅ ｖ ｅ ｄ ａ ｎ ｄ ｔ ｈ ｅ ｏ ｂ ｊ ｅ ｃ ｔ ｃ ａ ｎ ｂ ｅ ｔ ｒ ａ ｃ ｋ ｅ ｄ ． Ｅ ｖ ｅ ｎ —
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一种去除运动目标阴影的新方法
摘要运动目标检测和追踪是视频监控和交通分析系统的关键
问题。
然而由于运动目标产生的阴影也会被误检测为阴影。
本文的目的是提出一种检测和去除运动阴影的新方法，本文提出利用hsv 颜色空间来提高阴影检测的精确度。
关键词阴影检测；hsv；背景提取
中图分类号tp39 文献标识码a 文章编号 1674-6708（2011）54-0201-01
0 引言
视频监控系统和交通控制系统的基础任务是检测重要的目标（行人，车辆等），根据运动目标可以计算交通状况和行人轨迹等。
由于运动目标检测对于后续工作非常重要，这要求运动目标检测务必具有鲁棒性和精确性。
在目前运动目标检测的方法中，普遍存在检测不准确的问题，这严重影响了后续工作。
其中最为严重的问题是将阴影误认为运动目标。
视频中阴影像素随运动目标一起运动。
因此视频中所有运动的点与伴随物体运动的阴影极有可能都被视作运动物体。
而且，阴影与物体相互连接，会造成运动物体的形状严重失真，这对于依靠几何性质对物体分类以及判断运动物体的位置都产生了干扰。
另外，如果阴影将两个不同的物体相连，将会导致将不同物体划归同一物
体。
有很多算法也用于检测运动阴影，但是这些算法的精确度不够[1，2]。
为了防止由于阴影所产生的监控问题，我们提出了一种阴影检测和去除的方法。
这种方法基于hsv颜色空间。
实验证明在hsv空间检测阴影非常有效，比之前的大部分算法都有很大的提高。
1基于hsv的阴影检测
为了解决阴影问题我们利用hsv空间来检测阴影而不是利用rgb[1]空间。
在本文中，我们先对前景背景分离，找到包含阴影的运动目标信息，再利用hsv模型辨别真正的运动前景和运动目标所产生的阴影。
我们尝试了多种背景建模方法，其中混合高斯模型是最具有鲁棒性，并且被应用最多。
第二步就是本文重点提出的hsv 模型下的阴影检测方法。
1）混合高斯模型(gmm)前景背景分离
为了检测运动目标，首先需要提取背景，利用当前帧和背景的区别进行帧差，得到运动目标和其所产生的阴影。
我们利用著名的混合高斯模型（gmm）提取背景算法[3]。
混合高斯模型把监控视频中的每个像素点都进行建模，假设每个像素点的背景颜色信息都按照3个~5个高斯模型分布。
在监控当前帧中，不在这些分布中的像素则划归前景，在这些高斯分布中的像素划为背景，并利用新一帧中的像素对混合高斯模型进行更新。
混合高斯模型是一种鲁棒性，
快速的背景提取算法，可以有效的对噪音和背景中的不稳定因素，例如水波，摇动的树枝等有效地划归背景。
2）阴影检测
当前景物体利用gmm算法检测出以后，它们通常都会包含运动目标和阴影以及一部分噪音。
在这一步我们利用hsv空间检测并移除第一步得到的前景中的阴影部分。
（1）rgb空间转化到hsv空间
根据文献[3] colour space conversions,我们可以把rgb空间颜色转化到hsv上。
计算公式为：
①max=max(r,g,b)2:min=min(r,g,b)；
②ifr=max,h=(g-b)/(max-min)ifg=max,h=2+(b-r)/(max-min)
ifb=max,h=4+(r-g)/(max-min)h=h*608:ifh<0,h=h+360；
③v=max(r,g,b)；
④s=(max-min)/max。
（2）阴影判定条件
我们定义了每个像素点k(x,y)阴影检测条件，符合条件的将被视作的阴影（spk=1），否则将为运动目标。
spk=
第一项条件中，ik 代表了第k个前景像素的颜色信息，代表像素k的v分量，代表第k个背景像素的v分量。
其中。
α和，都为经验值。
需要对不同的视频监控系统进行调节，以达到最优效果。
在对阴影进行剔除以后，我们利用开关闭合等基本的图像操作方法，对前景进行优化，使前景成块。
这有利于其他的应用。
实验结果：我们测试了户外的一些实验视频。
这些视频320×240大小，25帧/秒。
下图展示了hsv算法的效果图。
a.原始图片
b. gmm 前景检测
c. hsv阴影去除
d. 开关闭合
参考文献
[1]kaewtrakulpong, p., and bowden, r. 2001. an improved adaptive background mixture model for real time tracking with shadow dectection. in proc. 2nd european workshop on advanced video-based surveillance systems.
[2]t.horprasert, d. harwood, l.s. davis, a statistical approach for real-time robust background subtraction and shadow detection, in ieee iccv’99 frame-rate workshop, corfu, greece, sep 1999.。