行人视频检测中阴影检测与去除方法设计

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
法具有收敛性依赖初始条件，容易陷入局部极小值等问
欢 迎 网 上 投 稿 www.pcachina.com 29
图形、图像与多媒体 Image Processing and Multimedia Technology
题。 因此，本文采用遗传算法优化模糊神经网络的结构 和参数，并自动获得最优的模糊规则，使网络能自动适 应场景与光照的变化。 2.3 模糊神经网络
Abstract ： A fuzzy-neural network auto-classifier of the moving target and its shadows is designed. The spectral feature value is input to the network. The weight and fuzzy rule is update real-time by genetic algorithm. And the spatial feature of image is taken into account to amendment the result. Experimental results show that the application of this algorithm can improve the accuracy of pedestrian video detection.
络输入，用遗传算法对网络权值和模糊规则实时更新，并结合图像的空间特性对去除结果进行修正。
实验结果表明，应用该方法能有效去除阴影，并可提高行人视频检测的准确率。
关键词： 阴影去除；模糊神经网络；行人视频检测；遗传算法
中 图 分 类 号 ： TP391
文献标识码： A
文 章 编 号 ： 1674- 7720(2010)19- 0028- 04
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
值；若条件成立，表示当前图像与背景图像的色度相近，
可视为阴影，否则判定为运动目标。
上 述 准 则 在 应 用 中 ， 要 注 意 Ymin、 ε 和 Δα 等 阈 值 的 选取，因为这对判断结果的影响较大。 要找到合适的阈
值 [9]， 需 要 对 视 频 资 料 进 行 大 量 的 仿 真 实 验 ， 这 需 要 花
在提取的运动区域中，包括运动目标及其阴影。 根
据 前 文 所 述 在 YUV 颜 色 空 间 中 阴 影 与 背 景 的 色 度 相
似、而亮度低于背景的特征，计算当前图像与背景图像
的 Y 、U 、V 差 值 ΔY 、ΔU 、ΔV 以 及 当 前 图 像 与 背 景 图 像
的 色 相 差 值 Δα。
根 据 图 1 (b) ，α=arctan V ， 令 x = V ， 为 便 于 计 算 ， 将
* 基 金 项 目 ： 广 东 省 自 然 科 学 基 金 ( 8152902001000014 ) ； 广 东 省 高 等 学 校 自 然 科 学 重 点 研 究 项 目 ( 05z025 )
28
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，以进一步提高阴影去除 效果。
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 图像中的阴影去除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
图形、图像与多媒体 Image Processing and Multimedia Technology
行人视频检测中阴影检测与去除方法设计 *
吕秋霞 ( 五 邑 大 学 信 息 工 程 学 院 ， 广 东 江 门 529020)
摘 要： 设计了基于模糊神经网络的目标本体与阴影的自动分类器， 将光谱特征值作为神经网
同。
Y P V
R V P1
L1 a1aL22 P2
U
P′
B
G
U
( a ) UV 平 面 投 影 表 示
(b) 色 相 与 饱 和 度 向 量 表 示
图 1 YUV 颜 色 空 间 模 型
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
(2) 若 ΔU <ΔV <ε 或 ΔV <ΔU <ε ， 则 表 示 当 前 图 像 与
背 景 图 像 的 色 度 相 近 ，可 视 为 阴 影 ，否 则 进 入 （3） 进 一 步
判断。
（3 ）ΔU<ΔV
且
Δ( U V
)＜Δα， 或
ΔV <ΔU
且
Δ( V U
) ＜ Δα，
选 择 U 和 V 中 较 大 者 作 为 分 母 ， 比 值 代 表 Δα 的 arctan
， k
ID (x，y)=
0，当|Ik (x，y)-Bk (x，y)|≤T
(3)
1，其他
式中，T 是预先设定的阈值。 为克服光照变化所带来的
影响，背景图像应实时更新，利用前 N 帧的背景图像和
前一帧图像求和得到：
N
Σ B
k
=
1 N
i=1
Ik-i
≈
L-1 L
Bk-1
+
1 L
Ik-1
(4)
2.2 阴影的去除算法
Design of the shadow detection and removal in pedestrian video detection
LV Qiu Xia
(School of Information Engineering ， Wuyi University ， Jiangmen 529020 ， China)
U
U
arctan x 函 数 用 一 级 泰 勒 级 数 如 下 展 开 ：
1
Σ α= arctan x = (- 1) k x2k+1 = x- 1 x3
k=0
2k + 1
3
当 x＜1 时 ，α=arctanx≈x( 这 里 计 算 差 值 Δα) 。
阴影的判断准则如下：
(1) 若 ΔY << Ymin， 则 有 可 能 为 阴 影 ， 进 入 (2) 进 一 步 判 断 ； 若 ΔY > Ymin， 表 示 像 素 差 异 较 大 ， 应 为 运 动 目 标 。
“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
本 文 提 出 一 种 新 的 基 于 YUV 颜 色 空 间 的 阴 影 去 除 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，用遗传算法对网络参数和权值进行自适
费很长时间，而且根据现有资料得到的阈值不能根据场
景、光照等的变化自适应进行调整，实用价值不大。
针 对 上 述 问 题 ， 将 模 糊 神 经 网 络 [10-11] 融 入 到 目 标 本
体与阴影的分类中是很好的解决方法。 它利用神经网络
的自学习能力和自适应能力来调整模糊规则和隶属度
函 数 ， 通 常 对 神 经 网 络 的 训 练 采 用 BP 算 法 ， 但 是 BP 算
《 微 型 机 与 应 用 》 2010 年 第 29 卷 第 19 期
图形、图像与多媒体 Image Processing and Multimedia Technology
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
Key words ： shadow removal； fuzzy-neural network； pedestrian video detection； genetic algorithm
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。
G = 1 -0.39 -0.58 U
(2)
B 1 2.03 0
V
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
《 微 型 机 与 百度文库 用 》 2010 年 第 29 卷 第 19 期
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。
2 阴影检测算法
2.1 运动区域提取
采 用 减 背 景 法 。 假 设 Ik(x ，y) 和 Bk(x ，y) 分 别 代 表 当 前图像及其背景图的 Y 值，用式(3)获得的差分图像：
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
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 。
Y 0.299 0.587 0.114 R
U = -0.147 -0.289 0.436 G
(1)
V 0.615 -0.515 -0.100 B
R 1 0 1.14 Y