基于 YCbCr 颜色空间背景建模与手势阴影消除
基于码本模型的运动阴影去除算法
基于码本模型的运动阴影去除算法钟小芳;周浩;高志山;高赟【期刊名称】《计算机工程》【年(卷),期】2017(043)008【摘要】The moving shadow will result in deformed or missing foreground targets,which affects the tracking and analyzing of the moving target foreground.To solve this problem,this paper designs a moving shadow removal algorithm by introducing codebook model.This algorithm detects moving regions which included foreground targets and moving shadow by background codebook model constructed in YCbCr color space.According to the property of moving shadow in YCbCr color space,it gets the pixel values that represent moving shadow in moving region and establishes a moving shadow codebook model which has self-adaptive thresholds of brightness range and color distortion for all pixels in different locations in video frame,so as to implement detection and removal of motion shadow.Experimental results show that the proposed algorithm can effectively improve the detection rate and recognition rate of moving shadow.%运动阴影会导致运动目标前景发生形变或丢失,影响运动目标前景的跟踪和分析.针对该问题,引入码本模型设计运动阴影去除算法.利用在YCbCr颜色空间内建立的背景码本模型,检测包含运动前景目标和运动阴影的运动区域,并根据运动阴影在YCbCr颜色空间中的特性得到运动区域中表示运动阴影的像素值,为视频帧中所有不同位置的像素点建立一个具有自适应亮度范围阈值和色度距离阈值的运动阴影码本模型,实现运动阴影的检测和去除.实验结果表明,该算法可有效提高运动阴影的检测率和识别率.【总页数】6页(P266-271)【作者】钟小芳;周浩;高志山;高赟【作者单位】云南大学信息学院,昆明 650091;云南大学信息学院,昆明 650091;南京理工大学电子工程与光电技术学院,南京 210000;南京理工大学电子工程与光电技术学院,南京 210000;云南大学信息学院,昆明 650091【正文语种】中文【中图分类】TP391【相关文献】1.一种基于混合高斯模型的运动阴影去除算法 [J], 甘小勇;孙旭2.基于帧间差分与码本模型的运动车辆检测算法 [J], 杨燕妮;吴向前;刘鹏3.基于边缘检测与码本模型的运动目标检测算法 [J], 雷飞;黄文路;张泽4.基于自适应纹理特征和码本模型的分层运动目标检测算法研究 [J], 马健博;姜肇国;张宁5.基于码本模型运动目标检测算法研究 [J], 周优;周长胜;张良;徐英慧因版权原因，仅展示原文概要，查看原文内容请购买。
ycrcb色彩空间的应用场景
YCrCb色彩空间是一种将RGB色彩模型转换为亮度和色度分量的方法，广泛应用于数字图像处理和视频编码领域。
Y表示亮度分量（Luma），Cr和Cb表示色度分量（Chrominance）。
通过将RGB颜色转换为YCrCb色彩空间，我们可以更好地处理图像的亮度和色彩信息，从而应用于各种领域。
一、在数字图像处理中的应用场景1.1 图像增强YCrCb色彩空间可以用于图像的亮度和对比度增强。
通过对亮度分量进行调整，可以改善图像的清晰度和视觉效果；而对色度分量的调整可以提高图像的饱和度和色彩对比度，使图像更加艳丽。
1.2 肤色检测在人脸识别和数字美容应用中，利用YCrCb色彩空间可以更准确地检测肤色区域。
通过对Cr和Cb分量的阈值判定，可以提取出图像中的肤色区域，从而实现人脸识别和美容效果。
1.3 彩色图像压缩YCrCb色彩空间在JPEG图像压缩中起着重要作用。
将RGB图像转换为YCrCb色彩空间后，可以对色度分量进行亚采样，从而实现对图像的压缩。
这种压缩方式能够在保持图像质量的前提下减小文件大小，适用于图像存储和传输领域。
二、在视频编码中的应用场景2.1 视频压缩在现代视频编码标准中，如H.264和HEVC，YCrCb色彩空间被广泛应用于视频压缩。
通过对视频的亮度和色度分量分别进行空间和时间域的预测和编码，可以实现更高效的视频压缩，从而降低存储和传输成本。
2.2 视频分析在视频监控和视频处理领域，YCrCb色彩空间可以用于实现运动检测、背景建模和目标跟踪等功能。
通过对视频帧的亮度和色度分量进行分析，可以准确地检测出视频中的运动目标，为智能视频分析提供有力支持。
三、伦理道德建议根据对ycrcb色彩空间应用的了解，我们可以在数字图像处理和视频编码领域中更好地理解和应用这个概念。
对该领域的发展也有着积极的促进作用。
在撰写本篇文章的过程中，我也深刻理解了ycrcb色彩空间的重要性和应用场景。
希望我所共享的这些信息能够对您的工作和学习有所帮助，也欢迎您和我一起共享这个领域的见解和经验。
基于YC_bC_r颜色空间的背景建模及运动目标检测
Ｂ ｃ ｇ ｏ ｎ ｄ ｌ ｇａ ｄＭｏ ｉｇＯｂｅ ｔ ｅｅｔ ｎ ａ ｋ ｒ ｕ ｄＭｏ ｅ ｎ ｎ ｖｎ ｊｃ ｔｃｉ ｉ Ｄ ｏ
Ｂａ ｅ ｎ ＹＣｂＣｒ ｓｄｏ Ｃｏ ｏ ｐ ｃ ｌｒ Ｓ ａ ｅ
ＬＵ Ｇｕ ｎ ｍｉｇ Ｌ Ｇ ｕｊ ａ ａ － ｎ ， ＡＮ Ｓ － ｎ ｕ
第２ ９卷 第 ６期 ２０ ０９年 １ ２月
南 京 邮 电 大 学 学 报 （ 自 然 科 学 版 ） Ｊｕｎｌ ｆ ａｊ ｇＵ ｉｅｓｙｏ ｏｔ ａｄＴ １ ｏ ｍｕ ｉ ｔｎ （ ａｕａ Ｓ ｉ ｃ ） ｏ ｒａ ｏ ｎ ｎ ｎｖｒｔ ｆ ｓ ｎ ｅ ｃｍ ｎｃ ｉ ｓ Ｎ ｔｒｌ ｃ ｎｅ Ｎ ｉ ｉ Ｐ ｓ ｅ ａｏ ｅ
Ｖｏｌ２ Ｎｏ ６ ＿９ ．
Ｄｅ ． ２ ９ ｃ ００
基 于 ＹＣ ｒ颜 色 空 间 的背 景 建 模 及 运 动 目标 检 测 ｂ Ｃ
卢官明 ， 郎苏娟
（ 南京邮电大学 通信 与信息工程学院 ， 江苏 南型 广泛应 用于基 于背景 建模 的运动 目标检 测中。首先在 Ｙ 色空间采 用 自适应 高斯 混合 ＣＣ颜
ｍｏｅｓｉ Ｙ ｂ ｏｏ ａｅ ａ ｄｔｅｆ ｅｒｕ ｄｒｇ ｎ ｃｕ ｉｇ ｖｎ ｂｅｔ ａ ｄｃｓ ｓａｏ ｒ ｅ・ ｄ ｌ ｎ Ｃ Ｃ ｃｌ ｓ ｃ ，ｎ ｒｇｏ ｎ ｉ ｓ ｎ ｌｄｎ ｉｇ ｊｃ ｎ ａｔ ｈｄ ｗ ａ ｘ ｒｐ ｈ ｏ ｅｏ ｉ ｍｏ ｏ ｓ ｅ
ｍｅ ｃｆａ ｒｓｏ ｃ ｓｓ ａｏ ｒ ｉ ｐ ｓｄｔ ｆｒ ｅ ｒｖ ｅｐ ｒ ｒ ｎｅｏ ｏｉｇｏｊｃ ｄｔｃ ｏ ． ｔ ｔ ｅ ｆ ａｔ ｈ ｄｗ ａｅ ｍ ｏｅ ｔ ｒｍｐｏｅｔ ｅ ｏ ｉ ｒ ｅｕ ｏｕｈ ｉ ｈ ｆ ｍａ ｃ ｆ ｖ ｂｅｔ ｅ ｔ ｎ ｍ ｎ ｅｉ
一种有效的图像阴影自动去除算法
Ａ ｓｒｃ： Ｅｆ ｔ ｅｏｊ ｔ ｅ ｃｏ ｐｒ ｎ ｉ ｉｅ ｎｌｓ ．Ｔ ｅｔ ｉ ｌ ｐ ｒ ｃ ｕｈａ ａｋ ｒ ｎ ｕｔ ｃｏ ａ ｏ ｂｔ ｔ ａ ｆ ｃ ｖ ｂ ｃ ｄｔ ｔ ｎｉ ｉ ｏｔ ｔｎｖ ｏａ ａ ｉ ｈ ｐｃ ｐｏ ｈｓｃ ｓ ｃ ｇｏ ｄｓｂｒ ｔ ｎｃｎｎ ｔ ｅｉ ｅ ｅ ｉ ｓｍ ａ ｄ ｙｓ ｙ ａａ ａ ｂ ｕ ａｉ ｄｆ ｒｎ ａ ｅ ｅｎｔｅ ｂｅｔ ｎ ａｏ ． ｔｅｕｔｉ ｅｃｎｅｔ ｎｏ ｍ ｌ ｂｅｔ ａｄｄｆ ｍａｏ ｆ ｅｍ ｎ ｄｏｊｃ， ｈｃ ｉ ｉｅｅｔ ｔ ｂ ｔ ｅ ｊｃ ａｄｓ ｄｗ Ｉ ｒ ｌ ｔ ｏｎｃ ｏ ｆ ｕｔｏｊｃｓ ｎ ｅ ｒ ｔｎｏ ｇ ｅｔ ｂｅｔ ｗ ｉ ｗｌ ｆ ｉｅ ｗ ｈｏ ｈ ｓ ｓｎ ｈ ｉ ｉ ｏ ｉ ｓ ｅ ｈ ｌ ｉｆ ｅ ｃ ｅａｃｒｃ ｆｈ ｌ ｗ ｕ ｏｔｎ ａａｙｉ ｒｓｌ ．Ｔ ｅｅ ｏｅ ｉｉ ｎｃｓ ｒ ｍ ｖ ｅ ｈｄｗ ｉ ｏｊｃ ｄｔｃｏ ．Ｉ ｎ ｕｎｅｔ ｃｕａｙｏ ｅｆ ｌ —ｐｃｎｅｔ ｎｌｓ ｅｕｔ ｈｒｒ ｒ，ｔｓ ｅｅｓ ｙｔ ｒ ｏｅｔ ａｏ ｂｅｔ ｅｅｔ ｎ ｎ ｌ ｈ ｔ ｏｏ ｓ ｓ ｆ ａ ｏｅ ｈｓ ｎ ｉ
摘
要 ：视频内容分析要求 比较精确的 目标检测方法。常用的背景减 方法在检 测运 动前景 时也 会检 测到运动 目标投 射
的阴影 ，将 阴影区域误认为 目标区可能造成运动 目标粘连或者 目标 区域几 何变形 ，影 响后续 内容分析 结果 ，因此 去除 阴影 对于提高后续 内容分析的准确性提供了保障 。本文提出一种基于颜 色统计特性 的阴影 去除方法 。首先利 用背景减 的方法 得 到包含阴影的候选 目标 区域 。进一步 ，分析候选 目标区域和背景在 Ｙ ｂ ｒ Ｃ Ｃ 颜色 空间的差值 统计特性 ，发 现阴影 区域有很 强
基于YCbCr颜色空间背景建模与手势阴影消除
Ｃ ｏ ｒ ｒ ｅ ｓ ｐ ｏ ｎ ｄ ｉ ｎ ｇ ａ ｕ ｔ ｈ ｏ ｒ ， Ｅ — ｍ ａ ｉ ｌ ： ｄ ｃ ｓ ｈ ｉ ＠ ｆ ｏ ｘ ｍ ａ ｉ ｌ ． ｃ ｏ ｍ
Ａｂｓ ｔ ｒ ａ ｃ ｔ ：Ｔ ｏ ｉ ｍｐ ｒ ｏ ｖ ｅ ｔ ｈ ｅ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｏ ｆ ｔ ｈ ｅ ｄ ｙ ｎ ａ ｍｉ ｃ ｇ ｅ ｓ ｔ ｕ ｒ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ，Ｇａ ｕ ｓ ｓ ｉ ａ ｎ ｍｉ ｘ ｔ ｕ ｒ ｅ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｍｏ ｄ ｅ ｌ ｉ ｎ ｇ
Ｂａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ｍｏ ｄ ｅ ｌ ｉ ｎｇ ｂ ａ ｓ ｅ ｄ ｏ ｎ ＹＣｂＣｒ ｃ ｏ ｌ ｏ ｒ
ｓ ｐ ａ ｃ ｅ ａ ｎ ｄ ｇ ｅ ｓ ｔ ｕ ｒ ｅ ｓ ｈ ａ ｄ ｏ ｗ ｅ ｌ ｉ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ
Ｓ ＨＩ Ｄｏ ｎｇ － ｃ ｈｅ ｎ ｇ ，ＮＩ Ｋａ ｎｇ
第 ８卷
第 ４期
中 国光 学
Ｃｈ ｉ ｎ ｅ ｓ ｅ Ｏｐ ｔ ｉ ｃ ｓ
Ｖｏ １ ． ８ Ｎｏ ． ４
Ａｕ ｇ ． ２０１ ５
２ ０ １ ５年 ８月
文章编号
２ ０ ９ ５ － １ ５ ３ １ （ ２ ０ １ ５ ） ０ ４ － ０ ５ ８ ９ － ０ ７
基于 Ｙ Ｃ ｂ Ｃ ｒ 颜 色 空 间 背 景 建 模 与 手 势 阴 影 消 除
史东承 ， 倪 康
（ 长春工业大学 计算机科学与工程学院， ： 为 了提高动态手势检测 的精确度 ， 本文将基于 Ｙ Ｃ ｂ Ｃ ｒ 颜 色空 间的混合 高斯背景建模 应用于 动态手势识别 中 ， 并 且 提 出手势 阴影 消除的有效 算法。首先 ， 对待检测视频 帧通过抠 图抠 出手势图像 ， 在Ｙ Ｃ ｂ Ｃ ｒ 颜色空间进行椭圆拟合 ， 统计
ycbcr颜色模型的基本原理 -回复
ycbcr颜色模型的基本原理 -回复关于y c b c r颜色模型的基本原理引言：在计算机图形学和数字图像处理中，颜色模型是一种用于描述和表示颜色的数学模型。
其中，y c b c r 颜色模型是一种常见的颜色模型，广泛应用于图像和视频的处理和编码中。
本文将详细介绍y c b c r颜色模型的基本原理，包括颜色分量的表示方式、亮度和色度分量的概念以及其在图像处理中的应用。
一、y c b c r颜色模型的基本概念1.颜色分量y c b c r颜色模型中的颜色值由三个分量表示，分别是亮度（l u m a）分量、蓝色差（b l u e c h r o m a）分量和红色差（r e d c h r o m a）分量。
这三个分量分别用Y、C b和C r表示。
2.亮度分量亮度分量（Y）表示了图像的亮度信息，它是彩色图像在无色彩信息时的亮度值。
在y c b c r颜色模型中，亮度分量的取值范围是0到255。
亮度值越高，代表图像的亮度越高。
3.色度分量色度分量（C b和C r）表示了图像的色彩信息，它们分别记录了图像中的蓝色和红色成分。
在y c b c r颜色模型中，色度分量的取值范围是-128到127。
色度分量的正值表示蓝色成分的增加，负值表示红色成分的增加。
二、y c b c r颜色模型的转换原理y c b c r颜色模型与其他常见的颜色模型（如R G B）之间可以进行相互转换。
下面将介绍y c b c r到R G B 的转换原理。
1.y c b c r到R G B的转换y c b c r颜色模型可以通过以下公式将其转换为R G B颜色模型：R=Y+ 1.402*(C r-128)G = Y - 0.344136 * (C b - 128) - 0.714136 * (C r-128)B=Y+ 1.772*(C b-128)其中，R、G、B分别表示R G B颜色模型中的红、绿、蓝分量。
Y、C b和C r分别表示y c b c r颜色模型中的亮度、蓝色差和红色差分量。
基于YCbCr空间的亮度自适应肤色检测
２００７年第６期计算机系统应用基于ＹＣｂＣｒ空间的亮度自适应肤色检测ＳｅＩｆ—ａｄａｐｔｉｖｅＳｋｉｎＣｏｌｏｒＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＹＣｂＣｒＣｏＩｏｒＳｐａｃｅ王金庭（湖北经济学院计算机与电子科学系湖北武汉４３０２０５）杨敏（中国地质大学信息工程学院湖北武汉４３００７４）摘要：本文针对复杂背景彩色图像提出了一种基于ＹＣｂＣｒ颜色空间的自适应肤色检测算法。
该算法从两个方面考虑了抗光照问题：采用非线性分段色彩变换和基于Ｒｓｈｅｒ评价准则的自适应阈值分割方法减小亮度的影响。
实验结果表明。
该算法复杂度较小，对光照变化具有很好的鲁棒性。
关键词：肤色检测颜色空间图像分割Ｆｉｓｈｅｒ准则函数１引言肤色检测主要是根据肤色在颜色空间上的分布特征来检测图像中的肌肤区域。
人的肤色是人体表面最为显著的特征之一。
肤色是人脸部及手部区别于其他区域的重要特征，同时因其对姿势、旋转、表情等变化不敏感，可有效去除图像中复杂背景的干扰、减小待搜索范围Ⅲ。
因此，利用颜色信息进行皮肤区域探测已引起较多学者关注。
利用颜色信息进行皮肤检测在人脸检测与识别、高级人机交互界面、手势识别、基于内容的图像检索和基于内容的不良图像过滤等领域有着重要的地位。
Ｒｏｓｓｏ甘ｉ与ＡｎｇｅｌｏｐｏｕＩｏＵ【２’分别在１９８３年与１９９９年的研究成果证明了在生物和物理上肤色分布的一致性，指出尽管人的肤色因人种的不同而不同，呈现出不同的颜色，但是在排除了亮度、视环境等对肤色的影响后，皮肤的色调基本一致。
这也为利用颜色信息进行皮肤检测的可能性提供了有利的证据。
Ｒｏｓｓｏ竹ｉ与ＡｎｇｅＩｏｐｏｕｌｏｕ的研究表明不同人种的肤色在色调上是一致的，并且皮肤的饱和度特征有一定的稳定性，因而采用具有认知属性的、能够将亮度信息与色度信息分开表示的颜色空间对于皮肤的检测能够起到很好的作用。
对于颜色空间的选择问题，或者说在哪个颜色空间中皮肤检测能达到最佳的效果引起了许多学者的广泛关注与研究。
基于YCbCr颜色空间背景建模与手势阴影消除
式如下院
渊曾 原 藻糟曾冤圆 葬圆
垣
渊赠
原 藻糟赠冤圆 遭圆
越员袁
渊圆冤
云渊曾冤 越 粤曾圆 垣 月曾赠 垣 悦赠圆 垣 阅曾 垣 耘赠 垣 云 援
渊猿冤
摇 摇 式渊猿冤拟合过程运算较简便袁且式渊猿冤 中参数
能与式渊圆冤 中的椭圆五参数进行转换咱员源暂 遥 本文椭
圆拟合过程如下院首先袁为避免椭圆方程有零解袁
月葬糟噪早则燥怎灶凿 皂燥凿藻造蚤灶早 遭葬泽藻凿 燥灶 再悦遭悦则 糟燥造燥则 泽责葬糟藻 葬灶凿 早藻泽贼怎则藻 泽澡葬凿燥憎 藻造蚤皂蚤灶葬贼蚤燥灶
杂匀陨 阅燥灶早鄄糟澡藻灶早鄢袁 晕陨 运葬灶早 渊 悦燥造造藻早藻 燥枣 悦燥皂责怎贼藻则 杂糟蚤藻灶糟藻 葬灶凿 耘灶早蚤灶藻藻则蚤灶早袁悦澡葬灶早糟澡怎灶
史东承鄢袁倪摇 康
渊长春工业大学 计算机科学与工程学院袁吉林 长春 员猿园园员圆冤
摘要院为了提高动态手势检测的精确度袁本文将基于 再悦遭悦则 颜色空间的混合高斯背景建模应用于动态手势识别中袁并且 提出手势阴影消除的有效算法遥 首先袁对待检测视频帧通过抠图抠出手势图像袁在 再悦遭忆悦则忆颜色空间进行椭圆拟合袁统计 建立椭圆肤色模型袁继而在 再悦遭悦则 颜色空间进行混合高斯背景建模检测出动态手势袁点乘原图像得到含有阴影的 砸郧月 手势图像袁对检测出的含有阴影的手势图像利用已建立的椭圆肤色模型进行阴影消除袁最后将手势图像连成视频序列遥 实验结果表明袁该算法在复杂背景下进行动态手势的检测率可达 怨员郾 源豫 袁高出传统方法 员园豫 左右袁能够满足动态手势检 测基本要求袁且具有较高的实用价值遥 关摇 键摇 词院手势检测曰混合高斯背景建模曰椭圆拟合曰阴影去除 中图分类号院栽孕猿怨员援 怨摇 摇 文献标识码院粤摇 摇 凿燥蚤院员园援 猿苑愿愿 辕 悦韵援 圆园员缘园愿园源援 园缘愿怨
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于 YCbCr 颜色空间背景建模与手势阴影消除佚名【摘要】为了提高动态手势检测的精确度，本文将基于YCbCr颜色空间的混合高斯背景建模应用于动态手势识别中，并且提出手势阴影消除的有效算法。
首先，对待检测视频帧通过抠图抠出手势图像，在YCb′Cr′颜色空间进行椭圆拟合，统计建立椭圆肤色模型，继而在YCbCr颜色空间进行混合高斯背景建模检测出动态手势，点乘原图像得到含有阴影的RGB手势图像，对检测出的含有阴影的手势图像利用已建立的椭圆肤色模型进行阴影消除，最后将手势图像连成视频序列。
实验结果表明，该算法在复杂背景下进行动态手势的检测率可达91.4％，高出传统方法10％左右，能够满足动态手势检测基本要求，且具有较高的实用价值。
%To improve the accuracy of the dynamic gesture detection , Gaussian mixture background modeling based on YCbCr color space is applied to the dynamic gesture recognition , and the effective gesture shadow elimination algorithm is proposed .First of all , the gesture image is cut out from video frame to be detected , and space ellipse fitting is developed in YCb′Cr′color.Oval color model is established statistically , and then dynamic gesture in the YCbCr color space through Gaussian mixture background modeling is detected .Original image is dotted product to get the gesture RGB image containing shadows .The shadows contained in the detec-ted gestures image were eliminated by using ellopse color model , and finally we take gesture images together into a videosequence .Experimental results show that in the algorithm of dynamic gesture detection rate is 91.4% under a complex background , about10%higher than that by the traditional methods .So it can meet the basic requirements of dynamic gesture detection , and has a high practical value .【期刊名称】《中国光学》【年(卷),期】2015(000)004【总页数】7页(P589-595)【关键词】手势检测;混合高斯背景建模;椭圆拟合;阴影去除【正文语种】中文【中图分类】TP391.9在信息迅速膨胀的今天，各种智能化产品登上人们生活的舞台，推动了人工交互的迅速发展。
手势识别技术是人机交互的重要组成部分，近年来各种手势识别的应用产品已投入到大众需求中，例如：基于手势识别的远程电视控制系统和视频游戏的用户界面、哑语识别及交警手势识别等。
手势识别是集人工智能、神经识别、图像处理及智能分析等于一体，涉及计算机语言、计算机视觉、图像处理等学科。
手势识别技术的迅速发展带动了各个领域的共同发展，在处于信息交互频繁的今天，手势识别已经成为人机交互发展的主流。
手势识别过程中首先要进行手势检测，检测结果的好坏直接影响到后面识别的精确度。
而在运动目标检测中，运动物体受到风吹、光照等外界因素的干扰容易产生阴影及其他噪声，对运动目标检测的精确性造成较大影响［1-3］。
目前运动目标检测运用最广泛的方法就是背景建模法，国内外对于手势检测的研究也取得了突破性进展，手势分割技术也从最初的借助数据手套等工具向着由纹理、颜色等特征的方向发展［4-6］。
如文献［7］和文献［8］中提出的背景建模在简单背景下能够较好地进行运动目标检测，但是不能有效地抑制阴影，容易造成运动目标的误检测；文献［1］和文献［4］提出的复杂环境下的手势检测，能够在较为复杂的背景中准确提取手势，但仅局限于静态手势；文献［9］和文献［10］提出基于GMM的彩色运动目标检测和联合两种颜色空间的运动目标阴影消除，这两种方法实现了对运动目标的提取及阴影的部分消除，但是该方法对光照及外界环境的要求高，具有一定的局限性，实用性不高。
文献［11］和文献［12］提出的方法能够在复杂背景下进行运动目标检测，但也不能有效地抑制阴影，具有一定的局限性。
本文提出的基于YCbCr颜色空间的混合高斯背景建模和基于YCb＇Cr＇颜色空间椭圆肤色模型相结合的动态手势检测不仅能够在复杂背景下准确进行手势检测，还能够有效消除手势阴影，提高了手势检测的精确度，具有一定的实用价值。
2.1 手势图像抠图及YCb'Cr'颜色空间的转化将待检测手势图像拆分成70帧，利用Photoshop软件手动将前20帧含背景信息的手势图像中抠出手势图像，并将抠出的手势图像非线性转换到YCb＇Cr＇颜色空间，抠出的手势图像如图1所示。
YCb＇Cr＇颜色空间是YCbCr非线性转换形成的。
研究发现在YCbCr颜色空间，肤色亮度和色度在高亮度和低亮度区域并非严格线性无关，这种依赖关系很大程度上影响了肤色的检测效果［13］。
YCb＇Cr＇颜色空间不仅解除了这种依赖关系，肤色在该颜色空间有着很好的聚类性，并且这种肤色聚类区域不随着亮度的变化而变化。
YCb＇Cr＇颜色空间转换公式如下：式中：WCi（Y）、的具体运算公式在文献［1］中有具体的求解。
WCi（Y）描述的是在Y-Ci坐标中肤色区域的宽度，Ci表示Cb和Cr，、Cb（Y）用4个边界来限定聚类区域。
这样更加有利于模型更好地适应亮度过暗或过亮的区域，以此提高系统的鲁棒性，提高对环境的适应能力。
Kl、Kh表示非线性分段色彩变换的分段阈值。
经过大量统计实验数据得出［1］：Kl=125，Kh=148，WCb=46.97，WCr=38.76，WLCb=23，WLCr=20。
2.2 最小二乘法椭圆拟合及椭圆模型的建立经研究发现，肤色在YCb＇Cr＇颜色空间聚类形状类似椭圆［1］，且具有较强的聚类性。
把视频序列的第7帧进行非线性转换，并且将肤色点在Cb＇-Cr＇坐标系下的投影，投影结果如图2所示，图中横坐标为Cb＇像素值，纵坐标为Cr＇像素值。
从投影图可以看出，用椭圆模型来表述肤色在此颜色空间的分布比较精确，能够找到一个能包含所有肤色点的最小椭圆是手势提取的关键。
本文选用最小二乘法进行椭圆拟合，最小二乘法通过最小化误差的平方和来寻找最佳函数匹配，距离拟合和几何曲线拟合是最小二乘法的两种拟合方式［1］。
本文采用距离拟合椭圆的两种表达式如下：式（3）拟合过程运算较简便，且式（3）中参数能与式（2）中的椭圆五参数进行转换［14］。
本文椭圆拟合过程如下：首先，为避免椭圆方程有零解，并将解的整数倍误认为同一方程，需将式（3）加限制条件A+C=1［15］，然后根据聚类图形手动选取聚类图形的6个具有代表性的边缘像素点p（xi，yi），其中包括4个椭圆长轴短轴与椭圆交点，再另选2个椭圆边缘曲率大的对称像素点。
继而构造误差平方和函数，如式（4）：由极值原理可知，可得以下线性方程：继而求解该线性方程式可求出参数A、B、C、D、E、F。
本文对视频序列中前20帧抠出的手势图像进行最小二乘法椭圆拟合，然后求出参数并取其均值，最后进行公式转化［14］后可得椭圆的五参数具体数值为：θ=2.80，exy=2.35，ecx=2.05，a=27.50，b=14.30。
此时拟合的椭圆方程已确定，继而建立椭圆肤色模型，图像中的像素点可用下式表示：此时令若M＞1，该像素位于椭圆之外认定为背景像素，标记为0，若M＜1，该像素位于椭圆内部认定为前景像素，即为肤色，标记为1。
经过非线性转换容易形成伪肤色，即亮度小于80的非肤色点视为肤色，故本文将Y＜80的像素点认定为背景像素，即标记为0。
3.1 模型简介以及参数初始化混合高斯模型中的背景像素的每一个像素可用N个不同的高斯分布表示，本文取N=3［11］。
每一个高斯分布都有其对应的权值Wk。
高斯模型还有2个重要的参数：均值μ与方差Ω。
对于手势视频帧中的像素点（x，y）在t时刻的观察值表示为Xt=（）T。
方差矩阵和均值矢量表示为：参数初始化过程中将权值设置尽可能小，方差设置尽可能大，均值大小取第一帧图像中的每一个像素点的像素值。
本文取Wk，t=0.05；Ωk，t=15。
3.2 模型参数实时更新读取手势视频中第一帧，现有的高斯模型相匹配与帧中像素点进行匹配，若匹配，继而判断该像素与混合高斯模型中的某个高斯分布均值的距离是否小于标准差与偏差阈值的乘积（本文偏差阈值D=2.0）。
若满足，则该像素点与高斯模型中高斯分布相匹配，将该像素点归入高斯模型中，并按照文献［6］进行参数更新。
在更新过程中，α反映的是背景的更新速度，其取值大小对模型的更新有较大的影响。
经测试，本文α取值为0.03时效果最佳。
若该像素与混合高斯模型中高斯分布不匹配，则按照下式减小权重Wk，即：Wk，t+1=（1-α）Wk，t。
若像素点与已有的高斯模型不匹配，新的高斯模型将取代权重最小的高斯模型。
经过参数不断更新和训练，得到混合高斯分布模型。
3.3 混合高斯背景模型的建立及手势分割选取权重大于某一阈值T的所有高斯分布建立混合高斯背景模型，经测试，本算法T=0.40时效果最佳。
此时判断混合高斯背景模型与当前帧的某一像素点Xt是否匹配，即：||＜，其中，D为偏差阈值，σ 为标准差。
若上k，t式成立，该像素点标记为0，即为背景像素点；若不成立，该像素点即为1，即为前景像素点［6］。
继而进行一下形态学操作，形态开操作消除部分噪声，连通域操作删除面积较小的噪声，运用合适结构元填充图像空洞区域。
最终得到运动手势图像。
经过以上处理，混合高斯背景建模第17帧图像动态手势检测结果如图3所示。