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像素； 最后，用检测得到的阴影像素点的三基色比值矢量数据集合对阴影的三维高斯模型参数 进行更新，以用于下一帧视频中的运动目标阴影检测。
[0154] 相对于现有的阴影检测方法，本发明方法具有自适应能力强，检测准确度高等特 点，特别适合于监控视频中运动目标阴影的检测去除。
[0155] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以 通过程序来控制相关的硬件完成，所述的程序可以在存储于一计算机可读取存储介质中， 所述的存储介质，如R0M/RAM、磁盘、光盘等。
[0156] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种监控视频中运动目标的阴影检测方法，其特征在于，所述方法包括以下步骤： 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； 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； 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； 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； 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。2. 根据权利要求1所述方法，其特征在于，所述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步骤包 括： 建立视频运动前景/视频背景的三基色颜色比值空间，在比值空间中建立阴影的三维 高斯概率模型G(Z，m，C)，其中，Z是颜色三维比值矢量，m是高斯函数的均值向量，C是协 方差矩阵； 采用基于视频背景建模的视频运动检测技术，对监控视频进行持续的运动前景检测 和视频背景更新，在建立起视频背景后，取出视频中检测出的一帧含有目标的运动前景区 域，并取出此时的视频背景图像； 在所检测的运动前景区域掩模图，接收标定一块运动前景区域中只含有阴影像素的 子区域的指令，将阴影子区域中的每个像素颜色矢量与该点的背景图像颜色矢量进行比值 运算，得到三维的比值矢量数据集合； 根据得到的三维的比值矢量数据集合，计算该三维数据集合的均值矢量Hl0，以及协方 差矩阵C。，并将m。，C。作为三维高斯概率模型G (Z，m，C)的初始均值向量和初始协方差矩阵。3. 根据权利要求2所述方法，其特征在于，所述建立视频运动前景/视频背景的三基色 颜色比值空间，在比值空间中建立阴影的三维高斯概率模型步骤具体为： 视频运动前景/视频背景的三基色颜色比值矢量Zk(X)的为：I "/"表示标量除法运算，rFk(X)、gFk(X)、bFk(X)分别表示红、绿、蓝三基色视频运动前景 图，rBk(X)、gBk⑴、V(X)分别表示红、绿、蓝三基色视频背景图； 比值空间中阴影的三维高斯概率模型G (Z，m，C)为其中，Z是三维比值矢量，m是三维均值矢量，C是协方差矩阵，I CI是矩阵C的行列式， C 1是矩阵C的逆矩阵，t是矩阵转置运算符。4. 根据权利要求2所述方法，其特征在于，所述根据得到的三维的比值矢量数据集合， 计算该三维数据集合的均值矢量步骤包括： 标定的阴影子区域的掩模图R91(X)的阴影像素点的集合为RS(]，根据公式：计算得到均值矢量m。，以及协方差矩阵C。，其中：n。= I Rs。I是集合Rs。中元素的个数。 X表示像素点的坐标，t为矩阵转置运算符号。5. 根据权利要求1所述方法，其特征在于，所述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步 骤包括： 根据得到的比值图像ZdX)的每个像素点X e RFk，代入马氏距离计算公式： Q (Zk (X)) = Q(Zk(X),m,C) = (Zk (X)-m) C 1 (Zk (X)-m)1 根据计算的马氏距离，由像素判别公式：对每个像素点进行判别，区分出阴影像素和运动目标像素，其中=C1是矩阵C的逆矩 阵，t是矩阵转置运算符。6. 根据权利要求1所述方法，其特征在于，所述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步骤包括： 根据检测出的阴影区域像素点集合Rsk，由公式：计算出当前帧阴影集合的三基色比值空间的均值矢量mk。，以及由公式：计算出当前帧阴影集合的三基色比值空间的协方差矩阵Ck。，其中：nk。= |Rsk 表示集合Rsk中元素的个数，X表示像素点的坐标，t为矩阵转置运算符号，Zk(X)= ( Zrk(X)，Zgk(X)，Zbk(X))，且rFk (X)、gFk⑴、bFk (X)分别表示红、绿、蓝三基色视频运动前景图，rBk (X)、gBk⑴、bBk (X) 分别表示红、绿、蓝三基色视频背景图； 更新阴影模型的序列均值矢量mk和序列协方差矩阵C k。7. 根据权利要求6所述方法，其特征在于，所述更新阴影模型的序列均值矢量m k和序 列协方差矩阵(；步骤包括： 设定样本数量阈值N，若ηω>Ν,则否则，若ηΜ<Ν，则其中，k= 1，2，...，为参数初始化后开始计数的视频帧序号，nvC。为初始化时得到的 两个参数，％是一个小于1的正数。8. 根据权利要求6所述方法，其特征在于，所述更新阴影模型的序列均值矢量m k和序 列协方差矩阵(；步骤包括： 根据钳位学习策略，得到下一帧的阴影检测模型参数m，C :其中，m。，C。为初始化时得到的两个参数，a 2是一个小于1的正数。9. 一种监控视频中运动目标的阴影检测系统，其特征在于，所述系统包括： 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； 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； 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； 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； 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。10. 根据权利要求9所述系统，其特征在于，所述模型创建单元包括： 三维高斯概率模型建立子单元，用于建立视频运动前景/视频背景的三基色颜色比值 空间，在比值空间中建立阴影的三维高斯概率模型G(Z，m，C)，其中，Z是颜色三维比值矢 量，m是高斯函数的均值向量，C是协方差矩阵； 视频背景建立子单元，用于采用基于视频背景建模的视频运动检测技术，对监控视频 进行持续的运动前景检测和视频背景更新，在建立起视频背景后，取出视频中检测出的一 帧含有目标的运动前景区域，并取出此时的视频背景图像； 指令接收子单元，用于在所检测的运动前景区域掩模图，接收标定一块运动前景区域 中只含有阴影像素的子区域的指令，将阴影子区域中的每个像素颜色矢量与该点的背景图 像颜色矢量进行比值运算，得到三维的比值矢量数据集合； 参数计算子单元，用于根据得到的三维的比值矢量数据集合，计算该三维数据集合的 均值矢量m。，以及协方差矩阵C。，并将m。，C。作为三维高斯概率模型G (Z，m，C)的初始均值 向量和初始协方差矩阵。
【专利摘要】本发明属于图像处理技术领域，提供了一种监控视频中运动目标的阴影检测方法，所述方法包括：建立阴影的三维高斯概率模型,并对模型参数进行初始化；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；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，从而检测得到阴影区域。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。
【IPC分类】G06T7/20
【公开号】CN105354862
【申请号】CN201510641222
【发明人】裴继红, 谢维信, 李宝林, 杨烜
【申请人】深圳大学
【公开日】2016年2月24日
【申请日】2015年9月30日