阴影检测方法.ppt
合集下载
- 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)。
(11)
改进后算法流程图
图2
动态阈值的选取
统计学习过程确定适当阈值: 1、在背景学习过程中建立亮度失真 和色度失真
的柱状图。柱状图总共有NXY个采样值(图像大小为 X×Y,背景学习帧为N) 2、直方图建立后,阈值根据检出率自动选择。
τCD:在检出率为r时将色度失真值标准化得到;
φ (αi) 最小时的取值。
(1)
αi的取值:
。 αi 表示当前帧中像素点关于背景帧期望值的亮度强度
αi为1:当前帧像素点的亮度和背景帧相应像素点的亮 度相同
αi小于1:当前帧像素点的亮度比背景帧相应像素点的 亮度暗,
αi大于1:当前帧像素点的亮度比背景帧相应像素点的 亮度亮。
素点相似,亮度值比背景 像素点高; 4.运动前景(F):检测像素点色度值和背景帧相应像
素点色度值差异比较大
对每个像素进行建模,模型为四元组<Ei ,si,ai,bi>,通 过式(9)和(10)计算得到 和 ,对像素点按照式(11)进 行分类
(11)
τCD,τα1和τα2分别为衡量亮度和色度相似度的阈值。
(9)
(10)
SNP阴影检测算法是对图像中所有像素点分为四类: 1.原始背景(B):检测像素点亮度值和色度值都和背
景帧中相应像素点相似; 2.暗背景或者阴影(S):检测像素点色度值和背景帧
相应像素点相似,亮度值比背景像素点低; 3.高亮背景(H):检测像素点色度值和背景帧相应像
色度失真度CDi为观测到的颜色值与原点的连线
OIi到期望色度线的垂直距离。
(2)
视频图像中的阴影点,其色度CDi变化不大。
根据以上理论分析,可得出结论:
阴影点总是出现在以OEi为轴心的一个圆柱面上。 这个圆柱面的半径即为阴影点的CDi的最大值。并且 阴影点与原点的连线小于OEi。据此,即可检测出运 动目标的阴影
面上作为调节的对象,对于不同的视频,我的经验是一般 slidervalue在1到5之间)
5、 SNP阴影检测算法流程图
SNP阴影检测算法的检测流程图:
图1
根据 和 ,把检测对象分成四类这种方法只在室内
环境或者室外环境比较稳定的情况下才能有较好的效 果。而对于复杂多变的交通环境,SNP算法中的像素 点分类模型并不能正确反映事实,而且常常会引起误 判。
SNP算法改进
结合背景差法和颜色恒常性的思想,对于每一待检测 视频帧,首先用时间中值法提取出视频图像中的运动 区域,再计算运动区域中像素点的αi和CDi值,将运动 区域像素点分为前景和阴影。
(1)A Statistical Approach for Real-time Robust Background Subtraction and Shadow Detection (2)移动阴影环境下的车辆视频检测算法研究
刘亚利
2008年9月4日
提纲
RGB空间优势 基于RGB空间的阴影检测 算法原理
1、RGB空间优势:
常用RGB、HSI(HSV)等颜色模型来检测阴影。 RGB:从数字摄像机直接获得颜色模型方式,更直接,
无需转化。
HSI(HSV):常用于计算机视觉的算法研究。需要转 化,在交通视频检测系统中,不易满足系统的实时性 要求。
2、基于RGB空间的阴影检测
任何一种颜色在RGB颜色空间中都可以用三维空间中 的一个点来表示,如图
RGB空间阴影检测算法模型
i表示一个像素点 ,
表示背景帧中像
素点的R、G、B颜色通道期望值,
表示
当前帧像素点的R、G、B颜色通道值。
图中αi和CDi分别代表亮度失真度和色度失真度,用 来描述像素点亮度和色度的变化。
亮度失真度αi是一个标量值,表示观测到的像素颜色 值与期望颜色值之间的相似度。如式(1)所示,αi是使
RGB颜色模型
在RGB空间中阴影检测算法目前有很多。RGB检测算
法,基于颜色恒常性原理。由于这种算法属于非参数 的统计学方法(Statistical Non-ParametricApproaches), 把这种算法称作SNP阴影检测算法。
3、算法原理
由于色度是独立于亮度的,可以将颜色模型分为亮度和色 度两个部分。
这里采用各个通道上的标准差
ቤተ መጻሕፍቲ ባይዱ
作为权值,
对(3)(4)式进行修正。
则:
(5)
(6)
为了方便设定检测阈值,需要对αi和CDi进行归一化。 定义ai为第i个像素点亮度失真度的偏差;bi为第i个像 素点色度失真度的偏差。(RMS:均方根)
(7)
(8)
经过校正后的αi和CDi分别为:
τα1 和τα2: τα1 为在检出率为r时 的值;
τα2为在检出率为(1-r)时 的值。
T_a1 =1 + 2.58*α[i];
T_a2 =1 - 2.58 *α[i] * slidervalue;(具体的slidervalue由我们 的经验给出,为了更加方便和显而易见,我将这个值在界
4、RGB空间阴影检测算法
设
其中
为N(50帧)
帧背景帧在第i个像素点处三个颜色通道上的平均值,
将Ei带入(1)(2)分别得到:
(3)
(4)
由于摄像机对不同的颜色的敏感度不同,因此对同一个像
素点在一个时间序列上,其R、G、B三个通道上的变化是
不一样的。为了使三个通道值变化一致,需要加设权值。