一种基于统计模型的前景阴影消除算法杨志邦
【目标管理】运动目标检测中阴影去除算法的研究与实现(DOC 29页)
【目标管理】运动目标检测中阴影去除算法的研究与实现(DOC 29页)部门： xxx时间： xxx整理范文，仅供参考，可下载自行编辑运动目标检测中阴影去除算法的研究与实现摘要随着计算机视觉技术、电子技术、通信技术的发展，智能视频监控系统作为安全防卫的一种重要手段正在越来越受到人们的重视。
由于智能视频监控系统具有监控能力强、安全隐患少、节省人力物力资源的优点。
因此，在交通、银行、宾馆、商场等重要场所的监控中有广泛的应用前景。
本文首先综合介绍了智能监控系统的发展历史和现状，然后对静止摄像机监控下的运动目标检测、阴影的检测和去除等关键技术进行了比较深入的研究。
运动目标检测作为智能视频监控系统中视频处理的第一步，具有非常重要的地位。
本文首先对目前运动目标检测方法进行了概括，在详细研究了几种目标检测方法的基础上，确定了目标检测中较好的一种方法，即基于混合高斯模型的方法，用这个算法来提取运动目标。
由于日照和灯光等外来因素的影响，造成了提取的运动前景中往往含有阴影。
因此，运动目标的阴影检测与去除对于运动目标跟踪、分类和识别等后期处理都是一个关键性问题。
由于阴影的存在，会给上述后期处理带来干扰甚至失败。
为了去除目标前景的阴影，本文首先分析了阴影产生的机理，了解阴影的特征和人类的视觉特征，针对这些特征以及总结和分类目前己有的各类阴影检测算法的基础上，提出了一种基于RGB 颜色模型的阴影检测算法。
通过实验对本文的算法进行了验证，证明了该算法能够很好地检测出运动目标的阴影以及将阴影去除，而且易于实现。
关键词：视频监控；运动目标检测；混合高斯模型；RGB颜色模型；阴影去除目录第一章绪论 (1)1.1 引言 (1)1.2 视频监控系统的发展和现状 (1)1.3 本课题研究的目的及意义 (2)1.4 课题主要研究工作及工作安排 (3)第二章基础理论 (5)2.1 引言 (5)2.2 颜色模型 (5)2.2.1 颜色模型的分类 (5)2.2.2 RGB颜色模型 (6)2.2.3 HSV颜色模型 (6)2.3 数学形态学 (8)2.3.1 基本思想 (8)2.3.2 基本运算 (8)第三章运动目标的检测 (11)3.1 引言 (11)3.2 运动目标检测算法概述 (11)3.2.1 光流法 (11)3.2.2 相邻帧差法 (11)3.2.3 背景差法 (12)3.3 基于RGB颜色空间的混合高斯模型 (12)3.3.1背景模型的建立 (13)3.3.2 背景模型的更新 (13)3.3.3 运动目标的检测与提取 (15)第四章阴影的去除 (16)4.1 引言 (16)4.2 阴影产生的机理 (16)4.3 阴影检测算法概述 (17)4.3.1 基于模型的阴影检测算法 (17)4.3.2 基于阴影属性的阴影检测算法 (17)4.4 阴影的光学特性 (18)4.5 前景二值图的提取 (19)4.6 基于RGB颜色空间的阴影去除算法 (19)4.6.1 确定颜色空间 (19)4.6.2 阴影的去除算法 (20)4.6.3 前景目标去噪与重建 (22)4.7 实验结果 (22)第五章总结与展望 (25)5.1 研究工作总结 (25)5.2 展望 (25)参考文献 (27)致谢................................................................................................................. 错误!未定义书签。
一种有效的图像阴影自动去除算法
一种有效的图像阴影自动去除算法邓亚丽;毋立芳;李云腾【期刊名称】《信号处理》【年(卷),期】2011(027)011【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YCbCr颜色空间的差值统计特性,发现阴影区域有很强的规律性:色度分量与背景区域一致性很高,亮度分量有固定的差.根据上述规律,设计算法去除阴影区域.与现有方法的对比实验结果表明,本文方法能够很好的去除阴影区域,同时又保持了前景目标区域的完整性.%Effective object detection is important in video analysis. The typical approach such as background subtraction can not differentiate between the object and shadow. It results in the connection of multi objects and deformation of segmented object, which will influence the accuracy of the follow-up content analysis results. Thererfore, it is necessary to remove the shadow in object detection. In this paper we propose a color statistics based shadow removal approach. First, the background subtraction is used to get the candidate .. regions, which generally include the real object and the shadow. Next, we compute the difference between the foreground image and background image for thepixel in the candidate regions in the YCbCr color model. Then we analyze the statistics of foreground regions and shadow regions. And we find that the differences of Cb and Cr are much smaller in shadow regions than the foreground regions. And the luminance difference is in a determined range. By the analysis, the approach is designed to remove the shadows. The compared experimental results show that our proposed approach can remove the shadow region and keep the integrity of the foreground object.【总页数】5页(P1724-1728)【作者】邓亚丽;毋立芳;李云腾【作者单位】北京工业大学电子信息与控制工程学院,北京100124;北京工业大学电子信息与控制工程学院,北京100124;北京工业大学电子信息与控制工程学院,北京100124【正文语种】中文【中图分类】TP391【相关文献】1.一种有效的全景图像自动拼接算法 [J], 胡亚玲;江萍;胡社教2.一种有效的去除图像混合噪声的滤波算法 [J], 杨幸芳;黄玉美;李艳;卢健3.基于改进K-means聚类算法的金鱼阴影去除及图像分割方法 [J], 王帅;刘世晶;唐荣;陈军;刘兴国4.空洞卷积与注意力融合的对抗式图像阴影去除算法 [J], 刘万军;佟畅;曲海成5.一种有效的去除图像混合噪声的算法 [J], 侯艳丽因版权原因，仅展示原文概要，查看原文内容请购买。
数字监控系统中基于阴影消除的目标自动提取
数字监控系统中基于阴影消除的目标自动提取
黄英; 丁晓青; 王生进
【期刊名称】《《ITS通讯》》
【年(卷),期】2004(006)001
【摘要】智能视频监控系统需要从静止摄像头拍摄的实际视频序列中抽取并跟踪
运动物体，剔除物体的阴影区域。
为此，本文提出一种基于图像边界差值信息的消除阴影的前景检测算法，利用阴影区域图像的边界信息与背景相比基本保持不变的特征，抽取输入图像与背景边沿特征的差值。
这样图像前景区域特别是边界附近差值比较大，而背景和阴影区域差值比较小。
接着本文采用基于固定网格的围线模型，从图像的外框开始，由外向内收敛，最后收敛围线就是前景物体的边界。
实验结果表明，与其他前景检测算法相比，本文算法效率高，前景检测准确率高，可以非常好地消除图像噪声、室内阴影和室外弱阴影。
【总页数】7页(P99-105)
【作者】黄英; 丁晓青; 王生进
【作者单位】清华大学电子工程系智能图文处理研究室，100084
【正文语种】中文
【中图分类】U491.116
【相关文献】
1.基于背景重构和阴影消除的运动目标分割 [J], 路红;费树岷;郑建勇;张涛
2.基于对象的Boosting方法自动提取高分辨率遥感图像中建筑物目标 [J], 孙显;
王宏琦;张正
3.基于阴影属性的运动目标阴影消除方法研究 [J], 于飞;田亚菲;高伟明;张志成
4.视频图像中运动目标的阴影消除法 [J], 张霞
5.基于Kalman滤波和阴影消除的运动目标检测 [J], 曹洁;白艳红
因版权原因，仅展示原文概要，查看原文内容请购买。
一种新的基于统计的背景减除方法
２００７，４３（２２）１引言视频图像中往往包含大量的信息，要存储和计算如此庞大的数据集合是很困难的事情。
况且真正有用的信息只是其中的很少部分。
减除无用的背景就可以大大减少数据量而不丢失有用信息。
背景减除包括背景建模、检测前景和背景更新三个方面。
背景建模即从一系列视频图像中准确找到属于背景的部分，并且存储为背景图像。
背景建模面临的困难主要是如何适应光照变化、摄像机抖动、背景中某些物体的高频运动（如树叶舞动和水波荡漾）、背景自身的变化（如本来属于背景的静止对象开始运动，甚至离开视线或运动对象停止在背景中不动等）［１］。
检测前景是将当前视频图像与背景模型进行比较，找到前景目标，减除背景。
这里的困难是差值定义和阈值设定的问题，即反映当前视频与背景差异的度量标准是什么，分类的阈值为多少。
背景更新就是某些变化导致原来的背景模型不再适合当前视频图像时，实时地更新背景模型。
背景更新的困难在于如何找到合适的更新策略，能够快速而真实的反映变化，即实时性和准确性的问题。
本文第２章用基于像素ＲＧＢ值统计归类重建背景模型的方法构建初始的背景模型；第３章以颜色差异和亮度范围为依据，结合形态学处理进行背景减除；第４章提出两种背景更新的方法应对光照变化和物体增减导致的背景变化；第５章给出实验结果和讨论。
２背景建模２．１基本原理固定摄像机拍摄的视频序列，背景往往是最经常被看到的。
基于这一假设，参考灰度统计归类方法［２］对像素ＲＧＢ值统计归类来建立背景模型。
即将样本序列中的各个像素的ＲＧＢ值分别进行统计归类，出现频率最高的像素ＲＧＢ值分别取其一种新的基于统计的背景减除方法孙吉花，刘肖琳ＳＵＮＪｉ－ｈｕａ，ＬＩＵＸｉａｏ－ｌｉｎ国防科技大学机电工程与自动化学院自动化所３３３教研室，长沙４１００７３３３３ＳｔａｆｆＲｏｏｍｏｆＡｕｔｏｍａｔｉｏｎＩｎｓｔｉｔｕｔｉｏｎ，ＣｏｌｌｅｇｅｏｆＭｅｃｈａｔｒｏｎｉｃｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＮａｔｉｏｎａｌＵｎｉｖｅｒｓｉｔｙｏｆＤｅｆｅｎｓｅＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ４１００７３，ＣｈｉｎａＥ－ｍａｉｌ：ｓｕｎｊｈ８１＠ｙａｈｏｏ．ｃｏｍＳＵＮＪｉ－ｈｕａ，ＬＩＵＸｉａｏ－ｌｉｎ．Ｎｅｗｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｓｔａｔｉｓｔｉｃ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００７，４３（２２）：７３－７５．Ａｂｓｔｒａｃｔ：Ａｎｅｗｅｆｆｅｃｔｉｖｅｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｃｏｌｏｒｖｉｄｅｏｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｇｅｔｓａｎｉｍａｇｅｓａｍｐｌｅｓｅｑｕｅｎｃｅｆｒｏｍａｃｏｌｏｒｖｉｄｅｏ．ＴｈｅｎａｎａｌｙｚｅｓａｎｄｃｌａｓｓｉｆｉｅｓｔｈｅＲＧＢｖａｌｕｅｐｅｒｐｉｘｅｌｏｆｔｈｅｓｅｑｕｅｎｃｅａｎｄｕｓｅｓｔｈｅａｖｅｒａｇｅＲＧＢｖａｌｕｅｏｆｔｈｅｃｌａｓｓｗｈｉｃｈｈａｓｔｈｅｈｉｇｈｅｓｔｆｒｅｑｕｅｎｃｙｉｎｔｈｅｓｅｑｕｅｎｃｅｔｏｃｏｎｓｔｒｕｃｔｔｈｅｂａｃｋｇｒｏｕｎｄｍｏｄｅｌ．Ａｔｌａｓｔｓｕｂｔｒａｃｔｓｂａｃｋｇｒｏｕｎｄａｃｃｏｒｄｉｎｇｔｏｂｏｔｈｃｏｌｏｒｄｉｓｔｏｒｔｉｏｎａｎｄｂｒｉｇｈｔｎｅｓｓｒａｎｇｅ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｄｏｅｓｓｏｍｅｍｏｒｐｈｏｌｏｇｉｃａｌｗｏｒｋｔｏｉｍｐｒｏｖｅｔｈｅｒｅｓｕｌｔ．Ｅｘｐｅｒｉｍｅｎｔｒｅ－ｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｉｓａｌｇｏｒｉｔｈｍｃａｎｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｇｒａｙｖｉｄｅｏｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｓｃａｎ’ｔｄｅｔｅｃｔｔｈｅｔａｒｇｅｔｓｗｈｉｃｈｈａｖｅｔｈｅｓｉｍｉｌａｒｇｒａｙｉｎｔｅｎｓｉｔｙｃｏｍｐａｒｅｄｔｏｂａｃｋｇｒｏｕｎｄ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｉｔｃａｎｃｏｎｓｔｒｕｃｔｂａｃｋｇｒｏｕｎｄｍｏｄｅｌｆａｓｔｅｒｔｈａｎｏｔｈｅｒｃｏｌｏｒｖｉｄｅｏｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｓａｎｄａｌｌｏｗｓｐｒｅｓｅｎｃｅｏｆｍｏｖｉｎｇｏｂｊｅｃｔｓｉｎｔｈｅｓａｍｐｌｅｉｍａｇｅｓ．Ｉｔｉｍｐｒｏｖｅｓｔｈｅａｃｃｕ－ｒａｃｙａｎｄｒｅａｌ－ｔｉｍｅｐｅｒｆｏｒｍａｎｃｅｏｆｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎｔｏａｃｅｒｔａｉｎｅｘｔｅｎｔ．Ｆｉｎａｌｌｙｐｒｏｐｏｓｅｓｓｏｍｅｅｆｆｅｃｔｉｖｅｍｅｔｈｏｄｓｔｏｕｐｄａｔｅｂａｃｋｇｒｏｕｎｄｍｏｄｅｌｓｏａｓｔｏａｄａｐｔｔｈｅｉｌｌｕｍｉｎａｔｉｏｎａｎｄｂａｃｋｇｒｏｕｎｄｃｈａｎｇｅｓ．Ｋｅｙｗｏｒｄｓ：ｂａｃｋｇｒｏｕｎｄｍｏｄｅｌ；ｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎ；ｂａｃｋｇｒｏｕｎｄｕｐｄａｔｅ摘要：提出了一种有效的彩色视频背景减除的新方法。
一种基于无抽样小波变换的云阴影去除算法
一种基于无抽样小波变换的云阴影去除算法
陈奋;赵忠明;杨健
【期刊名称】《计算机工程》
【年(卷),期】2006(32)7
【摘要】提出了一种基于无抽样小波变换的人机交互半自动云阴影去除算法.首先通过无抽样小波变换将图像分解成高频部分和低频部分,通过半自动人机交互方式在低频图像中将图像分割为云区域、阴影区域、清晰地物区域3个部分,然后对各个独立云阴影区域分别进行低频信息补偿和高频信息补偿,最后通过无抽样小波反变换得到一幅过渡平滑,并对图像细节保存完好地去除了云阴影的图像.实验结果表明,该方法能够取得比传统的直方图匹配更好的效果.
【总页数】3页(P185-187)
【作者】陈奋;赵忠明;杨健
【作者单位】中国科学院遥感应用研究所国家遥感应用工程技术研究中心,北京,100101;中国科学院遥感应用研究所国家遥感应用工程技术研究中心,北
京,100101;中国科学院遥感应用研究所国家遥感应用工程技术研究中心,北
京,100101
【正文语种】中文
【中图分类】TP391;TP75
【相关文献】
1.一种基于无抽样方向滤波器组的抑制噪声的医学图像增强算法 [J], 张洁;杨丰;赵祺阳
2.一种基于非抽样小波变换的模糊逻辑图像融合算法 [J], 黄晓青
3.基于无抽样小波变换和MCE训练的纹理分类 [J], 殷保忠;杨学志;张武松
4.一种基于小波变换的无监督纹理分割算法 [J], 侯艳丽;杨国胜
5.基于整数小波变换的运动物体阴影去除算法 [J], 卞建勇;徐建闽
因版权原因，仅展示原文概要，查看原文内容请购买。
一种改进的基于统计的阴影检测方法
关键词
Ｇ ｂｒ ａｏ 滤波器
阴影检测
亮度 色度偏差
中图法分类号
Ｔ３ ； Ｐ９
文献标志码
Ａ
阴影是 由于 光 源 被 物 体 遮 挡 而 产 生 的。 视 频 序列 中 的 阴影 是 计 算 机 视觉 相 关研 究 所 必 须 面 对
１ Ｇ ｂｒ ａ ｏ 滤波器介绍
Ｇ ｂｒ基 函 数 （ ａｏ ｌ ｎａｙ ｆｎｔ ｎ ）由 ａｏ Ｇ ｂ ｒｅ ｍｅｔ ｕ ｃ ｏ ｓ ｅ ｒ ｉ
的影 响 。
Ｇ ｂｒ５ 义 。因其灵 活 的带 通 滤波 特 性 ， Ｇ ｂｒ ａｏ＿定 由 ａｏ
基 函数 得 到 的 Ｇ ｂｒ滤 波 器 被 广 泛 应 用 于纹 理 分 ａｏ
析、 模式 识别 、 图像检 索 等领 域 。一 个 典 型 的复 Ｇ － ａ
ｂｒ ｏ 函数 的形 式如式 （ ） １ 所示 。 ｇ ， ）＝ｓ ，） （ Ｙ （ Ｙ （ Ｙ ， ） （） １
阴影检测算法很难 同时解决 好 阴影 的误检和漏检这 一对矛盾 问题 。根据 Ｇ ｂｒ ａｏ 滤波器在 空间域 上可选带宽和方 向的特 性，
并结合基于统计的方法 来 实现 阴影 检测 。这种 方 法 的优 点是 综 合考 虑 了亮度 、 色差 和 纹理 特 性 ， 而能 优化 阴影检 测 从
效果 。
图 １ Ｇ ｂｒ ａｏ 函数 实 部 示 意 图
⑥
２ １ ＳｉＴｃ ． ｎｎ． ００ ｃ ｅｈ Ｅ ｇ ｇ ．
一
种改 进 的基 于 统计 的 阴影检 测 方 法
杜 丙新 丁 国栋
（ 安阳师范学院教育信息技术与传媒学院 ， 阳 ４ ５０ ） 安 ５０ ０
摘
要
一种基于能量最小化的运动阴影检测方法
一种基于能量最小化的运动阴影检测方法
杨源;查宇飞;毕笃彦
【期刊名称】《光电工程》
【年(卷),期】2008(35)7
【摘要】针对传统方法经常将运动阴影也检测为前景的问题,本文将检测问题表示为能量函数,通过最小化能量函数来检测运动阴影.这种方法先用传统的背景对消方法分别得到静态背景和含有真实前景和运动阴影的运动目标,然后在运动目标中,利用阴影的颜色不变性和纹理不变性,以及阴影和前景的时空一致性,构造出能量函数,最后通过最小化能量函数,将真实前景从运动目标中准确地分割出来,从而达到消除运动阴影的目的.我们在包含运动阴影的视频中,对本文方法进行测试,并和其它方法比较.实验结果表明,本文的方法无论在室内场景,还是在室外场景都可以很好地分割前景和阴影.
【总页数】6页(P68-72,94)
【作者】杨源;查宇飞;毕笃彦
【作者单位】空军工程大学,工程学院四系,信号与信息处理实验室,西安,710038;空军工程大学,工程学院四系,信号与信息处理实验室,西安,710038;空军工程大学,工程学院四系,信号与信息处理实验室,西安,710038
【正文语种】中文
【中图分类】TN911.73;TP75
【相关文献】
1.一种基于DDST的频域能量最小化OFDM频偏估计方法 [J], 庞宗山;李小民
2.一种基于能量差比较算法的差分运动检测方法的改进 [J], 刘袁缘;严国萍;潘晴;熊弘毅
3.一种基于Boosting判别模型的运动阴影检测方法 [J], 查宇飞;楚瀛;王勋;马时平;毕笃彦
4.基于阴影属性的运动阴影检测方法 [J], 辛慧杰;刘明才;牟连泳;于玉海;王巍
5.一种基于阴影检测的视频SAR运动目标检测方法 [J], 周滨;刘畅;周雪珂
因版权原因，仅展示原文概要，查看原文内容请购买。
运动目标检测中阴影去除算法的研究与实现
联合算法实验结果与分析
06
总结与展望
研究工作总结
基于深度学习的运动目标检测算法设计及实现
算法优化与实现
基于物理模型的运动阴影去除算法研究
实验分析与对比
研究成果与贡献
针对运动阴影问题，提出一种基于物理模型的阴影去除算法，有效降低了阴影对检测结果的影响
研究成果在运动目标检测领域具有一定的理论和应用价值
基于深度学习与阴影去除联合算法
通过深度学习模型对视频序列进行分析，同时对运动目标和阴影进行检测。然后，根据阴影的特征进行去除，提高目标检测的准确性和鲁棒性。
基于深度学习与阴影去除联合算法
05
实验结果与分析
数据集
在研究运动目标检测中，我们使用了公开可用的数据集进行实验，包括[具体数据集名称]。这些数据集包含了各种场景下的运动目标图像，有利于我们训练和测试算法。
提出一种基于深度学习的运动目标检测算法，提高了检测精度和实时性
工作不足与展望
实验数据集不够全面，未来将扩充更多场景下的数据集
在实际应用中，需要考虑运动目标和阴影的动态变化和不确定性，进一步增强算法的鲁棒性
算法对计算资源和内存消耗较大，需进一步优化
THANK YOU.
谢谢您的观看
使用生成对抗网络（GAN）可以训练出能够生成没有阴影的图像的生成器，从而实现阴影的去除。
基于生成对抗网络（GAN）的阴影去除算法
04
运动目标检测与阴影去除联合算法
运动目标检测
01
通过对视频序列进行分析，检测出其中的运动目标。常用的方法包括背景减除法、光流法、帧间差分法等。
联合算法的基本思想和流程
R-CNN-based运动目标检测算法
利用区域提议网络（RPN）和CNN进行运动目标检测，准确率高、自适应性强。
- 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)。
1
引
言
是图像领域难解问题之一 行了研究
［914 ］
［7 ， 8 ］
． 国内外诸多学者专家对其进
． 本文在运动目标检测算法所获得的前景基础
运动目标检测是从实时变化的背景中将运动物体快速准 确地分离出来， 它在智能视频监控、 事故检测、 自动导航等系 统中具 有 广 泛 的 应 用 前 景， 已经成为视觉领域研究的重 点
Email： yangzhibang2006@ 126． com
摘
要： 视频图像中存在的阴影是影响运动目标检测效果的关 键 因 素 之 一， 对 阴 影进行 检 测 和 消 除 已 成为 运 动 检 测中 的 重 要 研究内容． 针对阴影消除问题， 本文采用直方图统计方法， 将阴影特征引入到传统混合高斯模型中， 基于统计特征建立阴影高 斯 模型; 在模型基础上， 提出一种新的前景阴影消除算法， 将前景像素 与 阴 影模型进行 匹 配， 实 现 阴 影的 判 定和 消 除． 与 同 类 算法 : 在阴影检测率和阴影区分度上均有显著提升． 的对比分析表明 本文算法对于不同场景下的阴影消除是准确且实时的， 关 键 词： 运动目标检测； 统计特征； 高斯模型； 前景； 阴影消除 1220 （ 2013 ） 02042306 中图分类号： TP391 文献标识码： A 文 章 编 号： 1000-
［13 ］
上， 对阴影消除算法进行研究 ． 阴影消除过程需要 使 用 阴 影 特 征， 主要包括纹理和属 性
［4 ］
． 基于纹理的阴影消除算法认为： 阴影区域跟无阴影区
．
运动目标检测主要依据前景的运动特征从背景中提取运 动目标， 采用的方法包括帧差法 、 背景差法、 光流法等． 由于阴 影具有与运动物体相同的运动特征， 通常被误检测为前景． 如 果阴影和运动物体融合， 将影响目标的几何特征； 如果阴影与 运动目标相分离， 则容易被误检测为新的目标
Shadow Elimination Algorithm for Foreground Based on Statistical Model
YANG Zhibang1 ，XU Cheng1 ，ZHOU Xu2 ，TIAN Zheng1
1 2 3
（ School of Computer and Communication，Hunan University，Changsha 410082 ，China） （ College of Mathematics and Information Engineering，Jiaxing University，Jiaxing 314001 ，China）ion Information Security Control Laboratory，No． 36 Research Institute of China Electronics Technology Group
Corporation， Jiaxing 314033 ，China）
Abstract ： The existence of the shadow is one of the key factors which impact the result of the object detection，detecting and eliminating the shadow become the important research area in the target detection． Aiming to the shadow problem during the object detection，we used the histogram to statistic and analysis the color feature of the shadow under the HSV color space，got the shadow feature of the H， S，V channels． Then established the Gaussian shadow model on each channel according to the statistic information． Based on the model had built，we proposed a novel algorithm to eliminate the shadow，using the foreground pixels to matche the model then determine and eliminate the shadow． Compared with the similar algorithms，the results show that the proposed algorithm can eliminate the shadow correctly in realtime under different scenarios，and it performs better on the metrics of shadow detection rate and the shadow discrimination rate． Key words： moving object detection； statistical feature； gaussian model； foreground； shadow eliminate
小 型 微 型 计 算 机 系 统 Journal of Chinese Computer Systems
2013 年 2 月 第 2 期 Vol. 34 No． 2 2013
一种基于统计模型的前景阴影消除算法
1， 3 杨志邦 ， 徐
1 2 3
1 成， 周
2 旭， 田
峥
1
（ 湖南大学 计算机与通信学院， 长沙 410082 ） （ 嘉兴学院 数学与信息工程学院， 浙江 嘉兴 314001 ） （ 中国电子科技集团公司第三十六研究所 通信系统信息控制技术 国家级重点实验室， 浙江 嘉兴 314033 ）