一种基于团块模型的行人阴影抑制方法

文档序号:6535932阅读:427来源:国知局
一种基于团块模型的行人阴影抑制方法
【专利摘要】本发明提出了一种基于团块模型的行人阴影抑制方法,所述方法首先构建行人团块模型,再通过计算团块的矩特征和团块垂直直方图,借助几何的方法获得初步阴影区域;然后,将该阴影区域的灰度、方向、中心位置作为参数对整个行人和阴影区域进行阴影建模,对初步分割得到的阴影区域进行修剪。本发明方法对不同朝向、不同数量行人的阴影进行检测和抑制,视频处理速度约为7.5帧/s,能够高效准确地将运动目标与其阴影分离开来。
【专利说明】一种基于团块模型的行人阴影抑制方法
【技术领域】
[0001]本发明属于图像处理、视频监控和交通安全【技术领域】,具体指的是一种基于团块模型的行人阴影抑制方法。
【背景技术】
[0002]视频监控技术就是为了防止安保人员的误判,利用自动分析技术进行视频监控的技术。目前的研究方法都假设视频序列中不存在阴影,而在光线充足的场景,移动的阴影将被错误的划分为前景对象。这将导致目标位置估计、目标行为分析和目标识别等后续处理的失误和困难。
[0003]目前,运动阴影检测与抑制的方法大致分为如下三类:基于颜色模型的方法,选择一个合适的颜色空间,利用阴影像素值的在颜色空间中的色彩特性进行阴影抑制,比如HSV空间,色彩特征不变量C1C2C3空间和归一化RGB空间,但这些方法易受噪声影响并且对光强变化敏感;基于物理模型的方法,通过物理的方法建模或学习阴影像素的特定外观特征,比如双光源双色反射模型BIDR,但它无法处理目标色调与背景相同的情况;基于纹理模型的方法,通过阴影光谱特征获得候选区域,再根据这些区域纹理的相关性来区分前景和阴影,比如归一化互相关,Gabor滤波,正交变换等,由于要对一个像素的多个邻域进行计算,故运算量较大,实时性差。
[0004]因此,如何高效准确地将运动目标与其阴影分离开来,已经成为目前研究的热点问题。

【发明内容】

[0005]本发明所要解决的技术问题是为了克服现有技术的不足,提出一种基于团块模型的行人阴影抑制方法。本发明方法首先构建行人团块模型,再通过计算团块的矩特征和团块垂直直方图,借助几何的方法获得初步阴影区域。然后,将该阴影区域的灰度、方向、中心位置作为参数对整个行人和阴影区域进行阴影建模,对原阴影区域进行修剪,使得本文算法能够对不同朝向、不同数量行人的阴影进行检测和抑制;本发明方法的视频处理速度约为7.5帧/S。
[0006]为了解决上述技术问题,本发明所采用的技术方案是:一种基于团块模型的行人阴影抑制方法,包括如下步骤:
[0007]步骤A,构建行人团块,使每个行人都用相应团块表示,其具体步骤如下:
[0008]步骤A-1,获取当前帧图像,利用团块提取方法,对当前帧图像的场景颜色进行聚类,获取图像团块;
[0009]步骤A-2,根据所述图像团块,利用混合高斯背景建模方法,得到当前帧图像的前景模版,获取前景运动团块;
[0010]步骤A-3,利用模糊聚类方法合并前景运动团块,获得行人团块;
[0011]步骤B,对于行人团块,利用阴影检测方法将行人与其阴影进行初步分割,获得行人团块的阴影区域:
[0012]步骤B-1,计算行人团块的中心矩,进而得到行人团块的阴影朝向;
[0013]步骤B-2,计算行人团块垂直直方图,获取行人团块中行人与阴影的分割点;
[0014]步骤B-3,根据行人团块的阴影朝向和行人与阴影的分割点,分别确定行人团块行人与阴影区域的颜色均值阀值和方差阀值,选择颜色均值和颜色方差最小的区域,作为行人团块的阴影区域;
[0015]步骤C,根据阴影区域的灰度、大小和方向,对初步检测的阴影区域进行增减,获得行人阴影区域;其具体过程如下:
[0016]步骤C-1,根据行人团块阴影区域的颜色均值,剔除行人团块阴影区域中颜色与该均值相差大于阴影颜色阀值的部分,并将行人团块非阴影区域颜色与该均值小于阴影颜色阀值的像素设为候选阴影像素;
[0017]步骤C-2,以行人与阴影分割点为原点,设定阴影区域长度为行人身高的N倍;剔除行人团块阴影区域中像素与原点距离大于该阴影区域长度的部分,并将行人团块非阴影区域中像素与原点距离小于阴影区域长度的部分设为候选阴影像素;
[0018]步骤C-3,以行人与阴影分割点为原点,根据行人阴影朝向,将行人团块区域中像素与原点距离投射到椭圆坐标系,剔除行人团块阴影区域中像素与原点的距离大于阀值的部分,并将行人团块非阴影区域中像素与原点的距离小于阈值的部分设为候选阴影像素;
[0019]步骤C-4,将上述步骤的候选阴影像素取交集,组成增减后的行人阴影区域;
[0020]步骤D,返回步骤A,直到视频结束。
[0021]步骤C-2中,所述阴影区域长度为行人身高的N倍,N的取值范围为:0〈N〈0.8。
[0022]所述团块是指图像像素在空间上连通并且具有相同图像特征的区域,所述团块的特征包括:团块区域坐标、背景标记、阴影标记、中心团块标记、团块编号、团块中心坐标、团块颜色均值。
[0023]本发明的有益效果是:本发明提出了一种基于团块模型的行人阴影抑制方法,所述方法首先构建行人团块模型,再通过计算团块的矩特征和团块垂直直方图,借助几何的方法获得初步阴影区域;然后,将该阴影区域的灰度、方向、中心位置作为参数对整个行人和阴影区域进行阴影建模,对初步分割得到的阴影区域进行修剪。本发明方法对不同朝向、不同数量行人的阴影进行检测和抑制,视频处理速度约为7.5帧/s,能够高效准确地将运动目标与其阴影分离开来。
【专利附图】

【附图说明】
[0024]图1是本发明的一种基于团块模型的行人阴影抑制方法的流程图。
【具体实施方式】
[0025]下面结合附图,对本发明提出的一种基于团块模型的行人阴影抑制方法进行详细说明:
[0026]如图1所示,本发明的一种基于团块模型的行人阴影抑制方法,其步骤如下:步骤I行人团块建模,包括如下步骤:
[0027]1.1对每一帧图像,将其分割为N*N的团块并计算每个团块内的像素颜色均值和中心坐标;
[0028]1.2计算各个团块间的颜色均值之差和中心坐标距离,将颜色之差小于颜色阀值并且且中心坐标距离小于距离阀值的团块合并,修改中心团块标记,表征全场景的颜色分布;
[0029]1.3利用混合高斯背景建模算法提取的前景模板,标记运动的团块;
[0030]1.4以每个运动团块的中心坐标为结点,利用模糊聚类算法将其中心坐标距离小于距离阀值的团块再次合并,修改中心团块标记,得到行人团块。
[0031]步骤2阴影检测,包括如下步骤:
[0032]2.1根据行人团块数组R,计算团块垂直直方图Hk(X)和行人与阴影的夹角Θ R ;
[0033]所述团块垂直直方图Hk (X),可以通过遍历数组R并沿水平方向统计垂直方向团块的数量获得。
[0034]所述夹角θ κ,可以通过行人团块数组RU)的中心矩计算得到:
[0035]
【权利要求】
1.一种基于团块模型的行人阴影抑制方法,其特征在于,包括如下步骤: 步骤A,构建行人团块,使每个行人都用相应团块表示,其具体步骤如下: 步骤A-1,获取当前帧图像,利用团块提取方法,对当前帧图像的场景颜色进行聚类,获取图像团块; 步骤A-2,根据所述图像团块,利用混合高斯背景建模方法,得到当前帧图像的前景模版,获取前景运动团块; 步骤A-3,利用模糊聚类方法合并前景运动团块,获得行人团块; 步骤B,对于行人团块,利用阴影检测方法将行人与其阴影进行初步分割,获得行人团块的阴影区域: 步骤B-1,计算行人团块的中心矩,进而得到行人团块的阴影朝向; 步骤B-2,计算行人团块垂直直方图,获取行人团块中行人与阴影的分割点; 步骤B-3,根据行人团块的阴影朝向和行人与阴影的分割点,分别确定行人团块行人与阴影区域的颜色均值阀值和方差阀值,选择颜色均值和颜色方差最小的区域,作为行人团块的阴影区域; 步骤C,根据阴影区域的灰度、大小和方向,对初步检测的阴影区域进行增减,获得行人阴影区域;其具体过程如下: 步骤C-1,根据行人团块阴影区域的颜色均值,剔除行人团块阴影区域中颜色与该均值相差大于阴影颜色阀值的部分,并将行人团块非阴影区域颜色与该均值小于阴影颜色阀值的像素设为候选阴影像素; 步骤C-2,以行人与阴影分割点为原点,设定阴影区域长度为行人身高的N倍;剔除行人团块阴影区域中像素与原点距离大于该阴影区域长度的部分,并将行人团块非阴影区域中像素与原点距离小于阴影区域长度的部分设为候选阴影像素; 步骤C-3,以行人与阴影分割点为原点,根据行人阴影朝向,将行人团块区域中像素与原点距离投射到椭圆坐标系,剔除行人团块阴影区域中像素与原点的距离大于阀值的部分,并将行人团块非阴影区域中像素与原点的距离小于阈值的部分设为候选阴影像素;步骤C-4,将上述步骤的候选阴影像素取交集,组成增减后的行人阴影区域; 步骤D,返回步骤A,直到视频结束。
2.根据权利要求1所述的一种基于团块模型的行人阴影抑制方法,其特征在于,步骤C-2中,所述阴影区域长度为行人身高的N倍,N的取值范围为:0〈N〈0.8。
3.根据权利要求1所述的一种基于团块模型的行人阴影抑制方法,其特征在于,所述团块是指图像像素在空间上连通并且具有相似图像特征的区域,团块特征包括:团块区域坐标、背景标记、阴影标记、中心团块标记、团块编号、团块中心坐标、团块颜色均值。
【文档编号】G06T5/00GK103839232SQ201410020822
【公开日】2014年6月4日 申请日期:2014年1月17日 优先权日:2014年1月17日
【发明者】金圣韬, 孟朝晖 申请人:河海大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1