一种监控视频中运动目标的阴影检测方法、系统的制作方法
【技术领域】
[0001] 本发明属于视频图像处理技术领域，尤其涉及一种监控视频中运动目标的阴影检 测方法、系统。
【背景技术】
[0002] 在监控视频分析中，通常首先进行运动目标检测，从视频中提取出感兴趣的运动 目标。这些运动目标是后续视频图像分类、识别和行为分析的基础。常用的视频目标检测 方法有：帧差法、光流法、背景减除法。一般来说，这些方法初始检测出来的"运动目标"实 际上只是"运动区域"。由于受光照等因素的影响，在检测中，运动目标的阴影往往伴随目 标会同时被检测到，这些目标产生的阴影具有与目标类似的运动属性，会影响对目标形状 的判别，对后续目标识别造成困难。因此需要从检测的运动区域中进一步将阴影检测出来 并进行剔除。
[0003] 现有技术针对图像中阴影检测去除的方法主要有以下几种：
[0004] 一、基于模型的方法。这类方法一般要求知道场景、运动目标、光照条件的先验知 识。如在人体检测中，将人体构建成直立的椭圆，并将不符合人体椭圆模型的区域看作阴影 区域或噪声进行消除。但由于人体机动性强，形态复杂，人体形状不满足椭圆模型时会误判 成阴影。另外当阴影区域和人体模型形状类似时，阴影也会检测成人体，造成误检。基于模 型的方法由于非常依赖于场景与前景之间的几何关系，当这些关系改变时，这些方法会失 效，因此通用性不强。
[0005] 二、基于RGB三基色空间的方法。如利用人眼对色感一致性能力，把颜色看作辐射 系数和反射系数的乘积，统计RGB颜色空间中背景的各颜色分量的均值、方差，再通过当前 帧像素与统计的背景像素参数对比，从而进行分类，得到阴影。如在归一化的颜色空间，取 出其中两个颜色，当检测出的运动目标区域对背景图像覆盖前后颜色色度不变，亮度减小 的像素，判别为阴影。此种方法实现简单，但算法容易误判阴影点。
[0006] 三、基于HSV颜色特征空间的方法。该类方法认为阴影区域像素点与其对应位置 的背景像素点相比，具有亮度变暗、饱和度降低、色调变化不大的特点。具体实现时，首先 进行视频的运动前景和静态背景的分离；然后计算像素的前景图像亮度与背景图亮度的比 值，并设置一个基于比值的双阈值区间，同时计算该像素的前景图色调与背景图色调的差 值，以及该像素前景图饱和度与背景图饱和度的差值，并分别设定一个固定的色调差值阈 值与饱和度差值阈值；最后将那些亮度比值在双阈值区间，且色调差值和饱和度差值不大 于对应阈值的运动前景区域像素点判定为阴影像素点。该方法中，前景/背景亮度比值的 双阈值、以及色调差值阈值和饱和度差值阈值共同构成了一个三维空间中沿坐标轴方向的 长方体结构。在针对特定视频场景中阈值设定合理的情况下，该方法可以得到较好的阴影 区域检测效果。但该方法的一个最大问题是，四个阈值参数需要根据不同场景人为进行设 置，且不能对场景光照变化进行自适应参数调整，影响了方法的使用范围。另外该方法还 需要进行RGB颜色空间到HSV空间的转换等。
[0007] 综上所述，现有技术提出阴影的检测方法存在一些参数设定困难、无法适应视频 场景光照变化、运算量大等问题。
【发明内容】
[0008] 本发明的目的在于提供一种监控视频中运动目标的阴影检测方法，旨在解决现有 技术的阴影检测方法存在一些参数设定困难、无法适应视频场景光照变化、运算量大的问 题。
[0009] 本发明是这样实现的，一种监控视频中运动目标的阴影检测方法，所述方法包括 以下步骤：
[0010] 在监控视频的运动前景/视频背景的三基色颜色比值空间中，建立阴影的三维高 斯概率模型，并对模型参数进行初始化；
[0011] 对监控视频的当前帧的图像进行运动前景区域的检测，以及视频背景的更新，对 运动前景区域中的每个像素，将其映射到运动前景/视频背景的三基色颜色比值空间中；
[0012] 根据建立的阴影三维高斯概率模型对得到的运动前景区域中的每个像素进行判 另IJ，检测并区分出阴影像素和运动目标像素；
[0013] 根据检测得到的所有阴影像素点数据，更新阴影的三维高斯概率模型参数；
[0014] 根据更新后的三维高斯概率模型，对新的一帧视频图像进行运动区域的阴影检 测。
[0015] 本发明还提供了一种监控视频中运动目标的阴影检测系统，所述系统包括：
[0016] 模型创建单元，用于在监控视频的运动前景/视频背景的三基色颜色比值空间 中，建立阴影的三维高斯概率模型，并对模型参数进行初始化；
[0017] 图像检测单元，用于对监控视频的当前帧的图像进行运动前景区域的检测，以及 视频背景的更新，对运动前景区域中的每个像素，将其映射到运动前景/视频背景的三基 色颜色比值空间中；
[0018] 像素判别单元，用于根据建立的阴影三维高斯概率模型对得到的运动前景区域中 的每个像素进行判别，检测并区分出阴影像素和运动目标像素；
[0019] 模型更新单元，用于根据检测得到的所有阴影像素点数据，更新阴影的三维高斯 概率模型参数；
[0020] 后续帧阴影检测单元，用于根据更新后的三维高斯概率模型，对新的一帧视频图 像进行运动区域的阴影检测。
[0021] 本发明实现了一种监控视频中运动目标的阴影检测方法，通过建立三维高斯概率 模型，对所述模型参数进行初始化，对监控视频图像的前景区域进行检测，和视频背景更 新，将前景区域中的每个像素映射到三基色比值空间，通过对每个像素进行判别，从而检测 得到所有阴影像素点，根据检测的像素点对三维高斯概率模型进行更新后，即可对下一帧 图像进行检测。本发明较好地解决了现有监控视频中运动目标阴影检测技术中的参数设定 困难，无法自适应场景光照变化，运算量大等问题。
【附图说明】
[0022] 图1是本发明实施例提供的监控视频中运动目标的阴影检测方法的流程图；
[0023] 图2a为样例视频中的一帧视频图像；
[0024] 图2b为采用基于背景建模的视频运动检测方法得到的对应于图2a视频图像帧的 运动前景掩膜图；
[0025] 图2c为图2a所述的视频图像的帧时刻的视频背景图；
[0026] 图3a为图2a的局部子图像；
[0027] 图3b为对应于图2b的运动前景掩膜图；
[0028] 图3c为对应于图3a的视频背景图；
[0029] 图3d中的上面部分为运动目标的掩模，下面部分为目标阴影的掩模；
[0030] 图3e为由图3a和图3b经像素乘积运算得到的运动前景图像；
[0031] 图4是本发明实施例提供的对运动区域阴影检测的三维高斯模型进行参数初始 化的流程图；
[0032] 图5a为标定只有阴影的矩形方框的运动前景掩模图；
[0033] 图5b为图5a中标定框中的阴影掩模图；
[0034] 图5c为图5a标定的阴影框中的阴影掩模图和原视频图像帧得到的阴影图像；
[0035] 图6a为图5c中的阴影像素点在三维比值空间的散点图；
[0036] 图6b为根据三维比值空间高斯建模形成的椭球模型；
[0037] 图6c为高斯椭球模型对图6a中阴影的散点分布的覆盖情况示意图；
[0038] 图7a是一帧示例视频的运动前景区域的像素点在三维比值空间中的散点图；
[0039] 图7b是用建立的高斯模型对图7a的运动区域像素点进行阴影判别的示意图，其 中网状的椭球是本发明中给定阈值T后的一个阴影椭球模型，椭球内的红色散点是前景运 动区域中被判为阴影的像素点，椭球外的蓝色散点是前景运动区域中被判为目标的像素 占 .
[0040] 图8是本发明实施例中提供的监控视频中运动目标阴影检测系统的结构图。
【具体实施方式】
[0041] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0042] 为了解决现有监控视频中的阴影检测技术存在的问题，本发明提出的监控视频中 运动目标的阴影检测方法，主要针对基于视频背景建模的视频运动检测方法检测出的运 动区域进行运动目标阴影的检测。首先，在监控视频的运动前景/视频背景的三基色比值 空间建立阴影的三维高斯概率模型，并对模型的均值矢量和协方差矩阵等参数进行初始 化；然后，对基于视频背景建模的运动目标检测方法检测出的运动目标区域中的每个像素 三基色颜色矢量与当前视频背景的三基色颜色矢量进行运算，计算出每个像素的三基色 比值矢量；之后，在三基色比值矢量空间，用建立的阴影三维高斯模型对运动区域的每个 像素进行判别，检测并区分出阴影像素和运动目标