【在静止背景情况下运动目标检测和计算】 运动目标和计划

　　摘　要：若想一个完美的物体的检测算法，适用各种环境，但解决此问题不容易。实际算法要尽量适应多种环境。传统算法在特定条件的约束下不能自动适用不同场景，提出阴影检测算法, 场景特征是未知的。算法考虑因素包括：颜色的信息、空间的信息和纹理的信息。阴影开始运动能被检测到，在以下条件下：利用阴影的纹理、颜色、空间的特性，对需要分析的区域确定造成校正纹理和颜色的形变方面的影响。
　　关键词：物体的检测　颜色的形变　校正纹理
　　中图分类号：O411　　　　文献标识码：A　　　　　文章编号：1007-3973（2012）007-114-02
　　1 前言
　　在视频图像中被监视的场景图像变化情况称为运动目标的检测。由于阴影、目标与背景的差别很大且二者又运动一致，运动目标的分割和提取常见干扰为：目标合并，目标外形改变，目标消失。目前，背景图像静止不动的情况，究其原理主要分为三类:光流的计算方法、帧间差分方法、背景的消减方法。
　　帧间差分方法主要特点是：相邻的帧差时间的间隔比较短，场景光线的变化时该方法不太敏感。背景消减法主要特点是：此方法与帧间差分法比较在静止的背景模型下，在目标运动区域内可获得完整而又精确的描述，较精确的目标图像可以被提取出来。
　　传统方法在特性方面存在不完善的地方，传统算法中阴影的纹理、颜色、空间属性在需要分析的区域中会造成的颜色的形变。本文给出未知摄像位置和场景特征的阴影检测的算法，通过校正纹理和颜色的补偿来获得运动的阴影和物体。
　　2 运动目标分析
　　2.1 背景模型
　　在背景是静止并且光照条件不变的情况下，此背景点的像素值是相对比较稳定的。统计一段时间内序列为n幅图像每一像素点颜色值的期望 和方差 为像素点。和 组成图像 为初始背景模型。如静止场景内发生了光照强度改变，或静止物体开始移动,图像上物体静止的像素点被认为前景点，跟踪目标时产生的错误累加起来，需用序列视频的方法提供信息对初始模型的参数进行更新。为不断更新背景图像的参数分布，引用参数更新率 （常数）。设 和 为时刻t点i的期望和方差， 为时刻t+1采集点i的颜色值，t+1时， 背景模型为 。
　　2.2 阴影模型
　　在可见光点光源和散射源照射下的情况下，假设任意一点的彩色光强值为x，则 ， E为照明条件下函数，�%d为波长参数，�%j为反射系数，为
　　为点光源的强度，Ca为散射源的强度，L为光源的方向，N为表面的法向量，是半影系数转变成为没有阴影的系数。帧Fk阴影的描述通过照明变化进行，在RGB空间形成的对角形矩阵的模型： ， 和 为背景Bk和帧Fk阴影像素RGB值。颜色比率，， 都小于1，为相关联的变量，场景出现不同是在不同的时刻情况下，在短时间内可以近似认为不变量。
　　2.3 阴影的属性
　　户外阴影特征据分析如下：覆盖的像素RGB分量数值降低；阴影像素的蓝色分量在散射源的作用下其比例上升；若空间上目标内部无空缺，在目标内部阴影不会出现，由于阴影必须和背景紧挨着；在此阴影情况下区域纹理不被影响；同时阴影会保持一段时间。
　　2.4 本文算法
　　(1)运动目标的检测。在文献[3]中，通过对背景拆分得到开始运动目标M1。用两种方法：对当前帧和背景的加权的平均数值进行背景刷新。IB是瞬间背景，由Bk中目标M1内的像素和帧Fk中目标M1掩模型外的像素两部分数量组成，Bk+1由IB和Bk加权平均计算： 为变换后的速度，取值一般0.1。
　　(2)精简初始阴影像素。设r、g、b颜色的分量为帧的分量，R、G、B颜色的分量为背景的分量。检测中阴影属性(1)每个像素颜色分量与背景相应分量比较，是否较小，排除不属于阴影的像素。当，p(x)为背景的像素；当为造成的错误检测在运动的目标、噪声和阴影方面的检测模型。初始化阴影掩模，则。与M1比，M2中运动目标的像素涉及到，计算量会发生变化在阴影区域被保留或减少步骤。检测蓝色分量。令 ，据户外阴影属性，比和大。初始化阴影掩模，则 ， 。剔除M3中不属于阴影的像素。
　　(3)反射率（相同）在表面的分割。文献[1]介绍反射率图像分割标准基于相邻像素基础上，如： 为相邻像素亮度，�%j1、�%j2为反射比率。反射比率不受照明方向、亮度、反射函数及表面几何性的影响。空间上颜色的分割。设p1，p2为两个相邻点，u和v为相邻点各颜色分量，p1，p2连续性： ，因此 是RGB空间内的函数，此函数是连续的，若此函数以帧的形式则相邻的两个点在同一表面。三通道RGB检测对空间分割更精确，同时对颜色较敏感。在帧FK上对掩模M3覆盖面对反射率进行分割，所分割得尺寸进行滤波，形成两个子区域集合：区域集合 和区域集合。
　　(4)颜色的形变校正。计算颜色的形变 。输入区域和。中多数区域为阴影，而区域为表面不同的周围目标的背景。依据为空间相邻、区域颜色相近。找到颜色的形变 区域对在两个区域集合中，即为被阴影覆盖的区域和背景的区域。设 区域集合中的第j个子区域和 区域集合中的第i个子区域满足所要求的条件，则（颜色的形变）的计算如下：
　　分子和分母RGB分量的平均数值。阴影覆盖表面特征：多种表面出现相应颜色的形变比率 多种以及满足要求的区域对也是多个。根据距离对这些颜色的形变进行分类，确定该类的 采用加权平均办法，并颜色的形变设有n个：，其中wi为对应 子区域的像素个数。不同表面的颜色的形变集合，校正集合D的颜色的形变。在 子区域对帧FK校正颜色得到 ，与背景Bk对应区域的颜色相匹配。设 中区域的平均值 为颜色向量，均值为 为对应背景Bk颜色向量，定义两个向量之间的夹角为：，表示该区域为阴影在角度很小时，阴影掩模 在子区域校验后得到。
　　(5)校正纹理。阴影区域是否被遗漏和在阴影中目标的区域被排除可以使用校正纹理的方法。用比较简单的一阶求导的方法对图像计算找到不同之处。子区域为阴影表明小于阈值 ，子区域为目标表明大于阈值。阴影的掩模和目标的掩模 通过 校正纹理得到 。
　　3 实验结果和结论
　　通过多次采集图像实验，实验结果如表1所示。
　　表面的划分出现错误是因为利用传统方法分割目标是不完全的。本文方法使得分割的结果比较完整。在的阴影中包含两个不同表面的颜色的形变，目标分割使用本文方法是较完整的，对其中一个表面划分是不会出现错误。本文方法较好地完成了阴影地检测。
　　4 结论
　　由于传统运动检测算法存在不完善地方，在视频特征不清楚的情况下提出阴影检测的算法。最终发现阴影检测的算法准确并且适用。此外，室内阴影检测能使用如下算法：针对室内阴影模型特点，相应调整蓝色检测步骤，提出的框架算法。室内光线复杂或简单，检测也相应的有简有繁。这是下一步攻关的难点。
　　参考文献：
　　[1]　朗锐.数字图像处理学[M].北京:北京希望电子出版社,2003:232-305.
　　[2]　Cavallaro A,Salvador E,Ebrahimi T.Shadow-Aware Object-Based Video Processing.Vision,Image and Signal Processing,2005.
　　[3]　Hsieh J W,Hu W F,Chang C J,et al.Shadow Elimination for Effective Moving Object Detection by Gaussian Shadow Modeling.International Joural of Iamge and Vision Computing,2003.