專利名稱：視頻運動陰影檢測方法
技術領域：
本發(fā)明涉及一種視頻運動陰影檢測方法，用于視頻數(shù)字圖像分析與陰影檢測。屬 于智能信息處理技術領域。
背景技術：
場景中物體受到光線照射時，物體全部或部分地阻擋直射光線便會形成陰影。陰
影的存在會影響到包括圖像分割、目標跟蹤和識別等。
目前，已經(jīng)提出了許多用來檢測運動陰影方法。主要有基于模型方法和基于特征
方法。前者根據(jù)有關場景、目標的三維幾何結構和光源的已知信息，建立陰影的統(tǒng)計
模型，判別陰影區(qū)域。這些信息在實際應用均不易得到，局限性較大，算法的時間復
雜度高。后者采用圖像特征，如幾何、亮度、顏色、飽和度等信息進行判斷。計算每
個像素點的特征信息，和相應背景點比較，判斷是否陰影。采用固定的閾值進行特征
判斷，當圖像背景發(fā)生改變時，無法有效確定陰影區(qū)域，方法適應性和準確性差。

發(fā)明內容
本發(fā)明的目的，在于針對現(xiàn)有視頻運動陰影檢測方法需要有關場景、目標的三維 幾何結構和光源信息以及對動態(tài)場景變化敏感、噪聲干擾大、運算復雜的不足，提供 了一種視頻運動陰影檢測方法，可在多種條件下，實現(xiàn)視頻運動陰影檢測。
為實現(xiàn)這樣的目的，本發(fā)明的構思是根據(jù)二維圖像/(,,》在尺度2〃和A方 向上的小波變換-
則在義，7方向上的小波函數(shù)可表示為
<formula>formula see original document page 3</formula>式中，0(x，j)為平滑濾波函數(shù)。
由此可確定圖像/(義，力經(jīng)函數(shù)P(X,力平滑濾波后，在不同尺度下的小波變換為<formula>formula see original document page 4</formula>
若梯度幅度M^/沿下列梯度方向達到局部極大，則圖像中該點(義，力為多尺度 邊緣點<formula>formula see original document page 4</formula>
據(jù)此，可確定不同尺度下的邊緣點。由于噪聲對尺度變化敏感，因此，采用上述 尋求局部幅度極大值，不能有效壓制噪聲。為有效克服這一影響，通過尋求梯度幅度 高于某閾值方法，替代尋求局部幅度極大值，確定不同尺度的邊緣點。
五—(/夠2+(,2 >=r
其中，力，r分別為水平、垂直方向上的濾波算子，7為閾值，(8)為巻積算子。
根據(jù)上述的發(fā)明構思，本發(fā)明采用下述技術方案
一種視頻運動陰影檢測方法，其特征在于根據(jù)小波變換在時域和頻域均具有局部 化特征，抑制干擾，提取局部信息；基于背景差分，利用小波多尺度特征，對差分圖 像進行小波多尺度變換；根據(jù)運動前景對象具有高的幅度變化，以及陰影區(qū)域飽和度 變化明顯，提取視頻圖像中運動陰影；具體步驟如下-
(1) 彩色空間轉換，計算飽和度值5":由RGB彩色空間的紅/ 、綠G、藍5三分量 確定HSV色彩空間的飽和度值&
一 —(及+ G + 5)
(2) 背景差分當前幀圖像/;"力強度值A(,，力與背景圖像/2"/)強度值
/2",/)相減，得到強度值差分圖像""，力，以及當前幀圖像/;",》飽和度 值5;"，/)與背景圖像/2",力飽和度值s"/)相減，得到飽和度差分圖像 5U力。
5"( /) = S O， /) —S O, /)
(3) 差分圖像多尺度小波變換對強度值差分圖像"",》和飽和度差分圖像
5""， 分別進行多尺度小波變換<formula>formula see original document page 4</formula>五s—(,2+(脅)2
其中，力，r分別為水平、垂直方向上的濾波算子，(S)為巻積。
(4)運動陰影區(qū)域確定:確定強度值差分圖像"(義，多尺度小波變換&的閾值K，
及飽和度值差分圖像5""，力多尺度小波變換&的閾值A，將滿足下式的所有
像素組成的區(qū)域，確定為視頻運動陰影區(qū)域。
^X0R(疋，^n尼)
其中，疋=&^尼=位乃，n為邏輯"與"操作符，X0R為邏輯"異或"操作符。 本發(fā)明與現(xiàn)有技術相比較，具有如下顯而易見的實質性突出特點和顯著優(yōu)點本 發(fā)明方法運算簡便、靈活，容易實現(xiàn)，解決了數(shù)字視頻圖像中運動陰影檢測需要有關 場景、目標的三維幾何結構和光源信息以及對動態(tài)場景變化敏感、噪聲干擾大、運算 復雜的不足。提高了視頻運動陰影檢測的魯棒性，可適應多種條件下的視頻運動陰影 檢測。


圖1是本發(fā)明一個實施例的視頻原始背景圖像。 圖2是本發(fā)明一個實施例的視頻原始當前幀圖像。 圖3是圖2示例中分割出的二值運動陰影區(qū)域圖像。 圖4是圖2示例中檢測出的運動陰影區(qū)域圖像。
具體實施例方式
本發(fā)明的一個具體實施例是本例的視頻原始視頻圖像如圖l所示，當前幀圖像
如圖2所示。對圖2與圖1所示的圖像分別進行強度和飽和度差分，對所得的強度和
飽和度差分圖像，分別進行小波多尺度變換，根據(jù)運動前景對象具有明顯高的幅度變 化及陰影區(qū)域內的飽和度值較非陰影區(qū)域變化明顯，進行運動陰影區(qū)域分割，具體步
驟如下
(1) 彩色空間轉換，計算飽和度值6":由RGB彩色空間的紅/ 、綠G、藍5三分量 確定HSV色彩空間的飽和度值&
——(i + G +巧
(2) 背景差分當前幀圖像/;"/)強度值,"力與背景圖像/2"力強度值
/2"/)相減，得到強度值差分圖像z "，力，以及當前幀圖像/;",力飽和度
值5!(x,力與背景圖像/2(7,力飽和度值S(x，力相減，得到飽和度差分圖像<formula>formula see original document page 6</formula>
(3) 差分圖像多尺度小波變換對強度值差分圖像""，力和飽和度差分圖像
5t義，7)分別進行多尺度小波變換 ^如柳)2+(ZK8)v)2
五s—(微)2+(夠2
其中，力，r分別為水平、垂直方向上的濾波算子，(H)為巻積。
(4) 運動陰影區(qū)域確定:確定強度值差分圖像力多尺度小波變換^的閾值7i，
及飽和度值差分圖像6""， /)多尺度小波變換&的閾值A，將滿足下式的所有 像素組成的區(qū)域，確定為視頻運動陰影區(qū)域。
其中，《=^^幾，兆=￡^7;， n為邏輯"與"操作符，XOR為邏輯"異或"操作
權利要求
1.一種視頻運動陰影檢測方法，其特征在于利用小波多尺度特征，對差分圖像進行小波多尺度變換；根據(jù)運動前景對象具有高的幅度變化，以及陰影區(qū)域飽和度變化明顯，根據(jù)小波變換在時域和頻域具有局部化特征，抑制干擾，提取局部信息；基于背景差分，提取視頻圖像中運動陰影；具體步驟如下(1)彩色空間轉換，計算飽和度值S由RGB彩色空間的紅R、綠G、藍B三分量確定HSV色彩空間的飽和度值S
全文摘要
本發(fā)明涉及一種視頻運動陰影檢測方法。它是根據(jù)小波變換在時域和頻域均具有局部化特征，抑制干擾，提取局部信息；基于背景差分，利用小波多尺度特征，對差分圖像進行小波多尺度變換；根據(jù)運動前景對象具有高的幅度變化，以及陰影區(qū)域飽和度變化明顯，提取視頻圖像中運動陰影。本發(fā)明方法不需要有關場景、目標的三維幾何結構和光源等信息，可在多種條件下，實現(xiàn)視頻運動陰影檢測。
文檔編號G06K9/46GK101216893SQ20081003239
公開日2008年7月9日 申請日期2008年1月8日 優(yōu)先權日2008年1月8日
發(fā)明者管業(yè)鵬 申請人:上海大學