一种基于Phong物体光照模型的阴影检测算法
第10章_光照模型与面绘制算法
0o ≤ φ ≤θ l
αl
Vlight
al φ
衰减指数 衰减角度
光 源 由方向点光源照明的对象
θl
方向光角强度衰减式子
1.0 f ang (φ ) = 0.0 (Vobj ⋅Vlight ) al
对象上某点位于光锥的轴线上 对象位于光锥之外 其他
光照明方程：
I = I a K a + f (d ) f ang I p [ K d ( L ⋅ N ) + K s (V ⋅ R ) ns ]
1）从光源到物体表面的过程中的衰减 2）从物体表面到人眼过程中的衰减 总的效果：物体表面的亮度降低
• 光照明方程
1）有效衰减函数的加入 2）深度暗示技术的加入
• 加入光的衰减
– 光在光源到物体表面过程中的衰减 光强按 1/d2 进行衰减： 缺点：当d很大时，变化很小；当d很小时，变化很大。
•衰减函数 •光照明方程
R V
• 非理想镜面反射亮度光照明方程：
I s = I p K s cos ns ϕ = I p K s (V ⋅ R) ns
• 镜面反射
– Ip为点光源的亮度 – Ks是与物体有关的镜面反射系数。
I s = I p K s cos ns ϕ
– Is为镜面反射光强，Is随ω的增大而衰减。
– ns为镜面反射参数，ns 的取值与物体表面粗糙程度有关。
S 0 = Sb +
S f − Sb Z f − Zb
(Z 0 − Zb )
原亮度I按比例S0与背景亮度Idc混合，目的是获得最 终用于显示的亮度I’，Idc由用户指定
I ′ = S 0 I + (1 − S 0 ) I dc
融合色彩比和梯度不变性的运动阴影检测
2017，53（22）1引言在视频监控系统中，运动前景检测是获取和管理监控信息的关键[1-2]，而运动前景遮挡光源的入射光线而产生的阴影随其一起运动，运动特征与前景的相似，阴影所在的区域常被目标检测算法误判为前景，导致真实前景的形状畸变或大小改变，多个前景合并等，影响前景的准确分割及定位，对高层处理如目标识别造成障碍[3]。
因此，有效的运动阴影检测算法对运动前景的准确分割至关重要。
运动阴影检测算法根据阴影形成原理及其物理性质，提取图像特征，区分阴影和真实运动前景[4]。
现有的研究可大致分为基于模型的方法和基于特征的方法[5]。
融合色彩比和梯度不变性的运动阴影检测廖娟1，朱德泉1，李勃2，刘路1，陈启美2LIAO Juan 1,ZHU Dequan 1,LI Bo 2,LIU Lu 1,CHEN Qimei 21.安徽农业大学工学院，合肥2300362.南京大学电子科学与工程学院，南京2100461.School of Engineering,Anhui Agricultural University,Hefei 230036,China2.School of Electronic Science and Engineering,Nanjing University,Nanjing 210046,ChinaLIAO Juan,ZHU Dequan,LI Bo,et al.Moving shadow detection based on color ratio and texture puter Engineering and Applications,2017,53（22）：1-7.Abstract ：To solve the disturbances caused by moving shadows in accurate segmentation of moving object,a moving shadow detection algorithm based on color ratio and texture invariance is proposed.The algorithm analyzes the illumina-tion invariance of the pixel color ratio and region texture gradient,and uses brightness change characteristics and color constancy to detect shadow pixels preliminarily in moving object region in pixel level.Then it utilizes texture gradient invariance to eliminate mistakenly identified shadow region at the regional level.The combination of the two types of fea-tures can make up for the defect of poor performance of shadow detection method based on a single feature or single type characteristics,and improve the detection and resolution ratio of moving shadow.The proposed algorithm can distinguish moving shadows and objects under different scenes.Key words ：moving shadow detection;color ratio invariance;texture invariance;color tensor摘要：为解决运动前景的准确分割受运动阴影影响的问题，提出了一种融合色彩比和梯度不变性的运动阴影检测算法。
9.2简单光照模型
PDF pdfFactory
一、Phong光照模型
在实际的应用中，由于Phong光照模型是一个经验模型， 因此还具有以下的一些问题： –显示出的物体象塑料，无质感变化 –没有考虑物体间相互反射光 –镜面反射颜色与材质无关 –镜面反射入射角大，会产生失真现象
PDF pdfFactory
PDF pdfFactory
三、背景物理知识
镜面反射光：一束光照射到一面镜子上或不绣钢的表面，光 线会沿着反射光方向全部反射出去，这种叫镜面反射光。 折射光：比如水晶、玻璃等，光线会穿过去一直往前走。 吸收光：比如冬天晒太阳会感觉到温暖，这是因为吸收了太 阳光。
PDF pdfFactory
PDF pdfFactory
PDF pdfFactory
PDF pdfFactory
二、光照模型的发展演化
1、早期发展 1967年，Wylie等人第一次在显示物体时加进光照效果， 认为光强与距离成反比。 1970年，Bouknight提出第一个光反射模型：Lambert漫 反射＋环境光（第一个可用的光照模型）。这篇文章发表 在 Communication of ACM 上。 1971年，Gouraud提出漫反射模型加插值的思想（漫反射 的意思是光强主要取决于入射光的强度和入射光与法线的夹 角）发表在 IEEE Transactions on Computers 上。 1975年，Phong提出图形学中第一个最有影响的光照明模型 。在漫反射模型的基础上加进了高光项。
PDF pdfFactory
PDF pdfFactory
三、背景物理知识
1、光的传播规律 反射定律：入射角等于反射角，而且反射光线、入射光 线与法向量在同一平面上。
一种基于边缘信息与HSV颜色空间相结合的阴影检测算法
万方数据
５３
＼、
竺竺竺
７对称性检测嘲
任何一个函数都可以表示为一个奇函数和一个
偶函数之和，定义函数ｇ（ｘ）＝ｇ（ｘｓ＋ｕ），ｘｓ表示车辆的对 称轴（ｗ，２≤ｘｓ≤Ｗ一耐２，ｗ表示车辆的宽度，Ｗ是感兴
趣区域的宽度）．令ｕ：】【一ｘｓ，则ｇ（ｕ）表示以ｘｓ为原点的
函数。可定义函数ｇ（ｘ）＝ｇ（ｘ８＋ｕ）的奇函数分量和偶函数 分量分别为：
（６）
Ｅ（口．．ｈ）钮ｈ＋Ｉ Ｄ（耻。而）材Ⅳ
—控—ｋ
一１≤ｓ（毛Ｉ≤１
当ｓ＝ｌ时，完全对称；当Ｓ一１时，完全不对称。 由于光照、路面、拍摄角度以及车辆自身的影响． 车辆并不是绝对对称的．经过边缘检测后也会有误
差，故只能呈现出大体上的对称性。通过实验，我们认 定它是对称的条件是Ｓ＞Ｏ．５。
８ 对称轴的检测
在一定的范围内通过改变ｘｓ的值搜索对称轴。
在搜索区间内，将对称评价函数Ｓｆｘｓ）出现最大值时的
ｘｓ作为候选区域的对称轴的坐标。在对称轴的两边找
到两个最大值。当车辆进人感兴趣区域时，车头部分
现 的边缘信息比较丰富。故叠加投影值比其他部分较 代 计 大。一般来说，车辆两边的边缘投影是最大的，故当我 算 们找到最大值的时候。可以认为是车辆两边的边缘，
Ｍｉｋｉｃ与Ｃｏｓｍａｎ把每个像素点都分类为背景、 前景或阴影中的一种．当背景像素点被阴影覆盖后， ＲＧＢ三颜色通道值呈线性衰减。根据手工分割大量 图片的阴影。求出对应的关系式。计算像素点属于背
halcon——缺陷检测常用方法总结（光度立体）
halcon——缺陷检测常⽤⽅法总结（光度⽴体）引⾔机器视觉中缺陷检测分为⼀下⼏种：blob分析+特征模板匹配（定位）+差分光度⽴体特征训练测量拟合频域+空间域结合：深度学习前⼀篇总结了频域与空间域的结合使⽤，本篇就光度⽴体的缺陷检测做⼀个总结。
光度⽴体在⼯业领域，表⾯检测是⼀个⾮常⼴泛的应⽤领域。
在halcon中，使⽤增强的光度⽴体视觉⽅法，三维表⾯检测被加强。
利⽤阴影可⽅便快速的检测物体表⾯的缺⼝或凹痕。
使⽤光度⽴体视觉⽅法可在复杂图像中轻松找到表⾯缺陷。
适⽤场景：光度⽴体法可以看作是2.5维，适⽤于检测⾦属物料上⾯的凹凸特征。
函数原理：1.通过photometric_stereo算⼦获得表⾯梯度图像，该算⼦可以得到表⾯梯度图像和反照率图像。
需要输⼊多张从不同⾓度照明所得到的图像。
2.通过derivate_vector_field算⼦获得⾼斯（平均）曲率图像，该算⼦中需要输⼊表⾯梯度图像。
光源：光度⽴体法不需要特殊的光源，只需要从不同的⾓度打光⽽已。
1 光度⽴体法的典型应⽤：光度⽴体法的典型应⽤是检测物体表⾯微⼩变化，例如，受打光⽅向影响的缺陷。
⽐如⾮平⾯的打印检测（个⼈理解：普通打光⽅式受光线影响特征成像不理想，可以通过光度⽴体法检测）。
值得注意的是：光度⽴体法不适⽤于绝对⾼度的重建，也就是说，它不能替代传统的3D重建算法，如对焦测距和激光三⾓测量。
2 光度⽴体法的局限性：光度⽴体法基于Woodham算法。
因此：⼀⽅⾯假定相机是⽆畸变成像，也就是说必须使⽤远⼼镜头或者长焦镜头。
另⼀⽅⾯假定每⼀个光源发射的光束都是平⾏且均匀的，也就是说必须使⽤具有均匀强度的远⼼照明光源，或者使⽤远距离的点光源代替。
此外，物体必须具有朗伯反射特性，即它必须以漫反射的⽅式反射⼊射光。
有镜⾯反射的物体或者区域（镜⼦或者光滑的表⾯）不能使⽤此⽅法，会得到⼀个错误的结果。
3 采集图像设置：带有远⼼镜头的相机必须与被测物体表⾯垂直安装，在采集多幅图像时，⼀定要保证相机和物体不被移动。
HSL-PCA集成的GF-1影像阴影检测方法
HSL-PCA集成的GF-1影像阴影检测方法孙诗雅; 杨树文; 李轶鲲【期刊名称】《《遥感信息》》【年(卷),期】2019(034)004【总页数】5页(P87-91)【关键词】GF-1; 主成分分析; 色彩空间转换; 逻辑与运算; 阴影检测【作者】孙诗雅; 杨树文; 李轶鲲【作者单位】兰州交通大学测绘与地理信息学院兰州 730070; 甘肃省地理国情监测工程实验室兰州 730070【正文语种】中文【中图分类】TP7510 引言在高分辨率遥感影像中，由于地物对太阳光的遮挡而存在着大量的阴影。
一方面，阴影的存在给高分辨率遥感影像地使用造成极大不便；另一方面，阴影也包含着纹理、形状、光谱等重要的地物信息[1]。
因此，如何快速、准确地检测阴影信息在提升遥感影像应用潜力方面具有重要的意义。
目前，阴影的检测方法主要分为基于物理模型和阴影性质两类。
基于物理模型的方法利用光线传播的物理性质，此方法需要影像中有关地物的地形，光照角度、传感器参数等先验知识建立几何模型实现阴影检测，通常计算较为复杂且应用于特定场景，因此具有较大的局限性；基于阴影性质的方法是通过分析阴影区域的亮度、几何结构和颜色深度等特征以及与非阴影区域的差异性来检测阴影，相关研究较多。
如Kantsingh K等[2]提出在HSV模型中利用归一化差值指数和大津法阈值检测的方法；葛乐等[3]基于阴影在HIS色彩空间的特征，利用PCA提取其特征，开展了基于阴影概率约束的阴影检测方法研究；姚花琴等[4]提出基于主成分变换和多波段运算相结合的高大地物阴影检测方法；Vijayalakshmi S等[5]提出将主成分变换和内外轮廓线指数(IOPL)相结合的方法进行城市地物阴影检测；Srinath D等[6]提出利用直方图检测与内外轮廓线相结合的方法检测阴影；Huang W等[7]提出结合光谱和空间特征的阴影检测算法；Wang L等[8]提出面向对象的城市树木和建筑物阴影检测方法；Li P等[9]将不透明度概念引入阴影检测，并提出了一种软阴影描述方法和基于MRF的阴影检测算；Zigh E等[10]提出了一种基于超高分辨率影像(VHR)的密集城区阴影自动提取方法。
颜色分类识别阴影模型
颜色分类识别阴影模型摘要：一种新的方法阐述阴影检测。
该方法是基于使用不变的颜色模式识别来分类数字图像中的阴影。
本程序分为两个层次:第一,暗影候选区域,提取;然后,利用不变颜色特征,暗影候选区域被归类为自我阴影像素点或投阴影像素点。
使用颜色特征不变特征，用一种低复杂度的分类方式。
实验结果表明:该方法成功地检测假设环境约束中分级的阴影,比最先进的方法较少限制对光照条件和场景的布局。
1.介绍：如图像数据库应用和卫星成像可以要求通过分割识别对象。
通过物体表面有关的形状和颜色的信息然后进行采集。
这些信息将会被扭曲，如噪声，采集原因或者自然原因,如阴影。
从源的直射光照明通向物体对象被阻碍的话，阴影将会部分或者完全发生。
阴影可以分为2类：投影和自我阴影。
投射投影是因为光源正对着投射物体，自我阴影不是因为直射光。
投影的存在可以更改在一幅图象中感知物体形状,而自我阴影的存在修改感知物体形状和颜色。
为了提供一个正确的描述对象,阴影应该被识别和分类。
相对有限的工作,可以发现,在阴影检测领域文现。
遵循两种不同的方法,第一基于模型, 第二基于阴影属性。
在第一种方法中：模型是用来代表一个先验知识场景的三维几何,物体,照明[1、5、7]。
约束的环境中,如交通场景或建筑[5][1—7),而考虑的方向灯是假定被人知道的。
基于这些几何方法有两个主要缺陷：简单的直线模型只可以用于简单的物体但是不适于复杂的场景。
此外,照明的先验知识和场景的三维几何并不总是可用的。
这些方法有这样一个有限的应用范围。
第二种方法是更一般的,并指出利用他们的几何、亮度和颜色性质指出阴影。
影子鉴定和分类算法,提出了灰度图像。
该方法在阴影强度和几何对象和一个环境简单单一区域光源的基础上进行分析,”。
只有简单的场景,无遮挡物体之间和阴影,也会被考虑到。
阴影的分类是基于假定像素强度值以自我阴影区域是比那些在相应的投射阴影区域。
这意味着该方法的局限性,因为它会使收到来自另一个物体反射光投射阴影背景变深。
phong着色
Phong光照模型的简单说明我简单地介绍一下Phong光照模型...虽然这种光照模型算是比较古老的，但是通过合适的参数设置，仍然可以实现真实的效果。
我们的目标是渲染出以下效果，这里以Doom3的男主角为例（终于不是怪物了...）一般而言，Phong光照模型分为三个累加阶段：漫反射，镜面反射和环境光以下按顺序说明：1.漫反射(Diffuse)对于表面比较粗糙的物体，基本表面的明暗就是漫反射效果，比如裤子的材质。
某一个象素的明暗系数只取决于该点与光源的相对位置，而与眼睛的位置无关。
diffuse_color = base_map * （N * V_L ）* mat_diffuse * light_diffuse;上式中base_map代表该点的基础颜色，一般通过纹理索引；N 是该点的法线；V_L是该点到光源方向的单位向量；N * V_L 即两者的点积，注意需要用max( ( N * V_L ), 0 )，因为负的值是没有意义的；mat_diffuse和light_diffuse分别是材质和光源的漫反射系数，用来宏观调制漫反射的颜色。
下图是只有N * V_L 项的渲染结果：2.镜面反射（Specular)尽管漫反射已经可以很好地表达光照，但是由于它是与视点无关的，所以多少有些欠缺生动，而镜面反射是视点相关的，所以会随着眼睛位置的变化而“流动”。
specular_color = pow( v_e' * v_l, gloss ) * mat_specular * light_specular;这里解释一下：v_e' 是e_v的反射向量（v_e' = reflect( e_v, n ) )，而e_v是眼睛到该点的单位向量，所谓反射向量，即以与该点的法线所垂直的平面做镜面反射所得到的向量（虽然按照原理来说，应该是光线反射，而非视线反射...都没有问题吧）;v_l是该点到光源的单位向量；v_e' * v_l 是两者的点积, 同样要用max（v_e' * v_l，0），负的值也是不需要的；pow是幂积，点积是底，gloss是指数；gloss用来调制亮斑的大小，一般来说，gloss越大，光斑越细小，gloss越小，光斑分布越宽泛。
- 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)。
一种基于Ｐｈｏｎｇ物体光照模型的阴影检测算法摘要：针对目前运动目标检测算法中常将阴影误检为前景目标的问题，提出一种基于Phong物体光照模型的阴影检测算法。
基于Phong物体光照模型，我们对场景中象素的亮度值进行分析，通过定义一个亮度相对变化量，推导出他在整个阴影区域是比较稳定的，所以在一个(5×5)的模板上用协方差来衡量这种稳定性，从而得到第一个阴影判决式。
又推导出阴影区域亮度相对变化量随时间的变化保持相对稳定，设计一个滤波模板来增大目标区域的不稳定性，从而得到第二个阴影判决式。
最后结合以上二个阴影判决式进行阴影检测，并对实验结果进行定性和定量的评估。
与前人提出算法比较，本文提出的算法在阴影检测率和区分率等方面都得到了提高，具有较强的鲁棒性。
关键词：Phong光照模型;阴影检测;运动目标检测;智能监控中图分类号：TP391 文献标识码：B文章编号：1004373X(2008)0512404A Shadow Detection Algorithm Based on Phong Lighting and Radiosity ModelWU Liang,ZHOU Dongxiang,LIANG Hua，CAI Xuanping (School of Electronic Science and Engineering,National University of Defense Technology,Changsha,410073,China)Abstract：Focusing on the problem that shadows cast by moving objects are detected incorrectly as foreground targets by most of the current moving objects detection algorithm,a method of shadow detection based on the Phong lighting and radiosity model is proposed.Based on the Phong model,we analyze the brightness of pixels in image sequences,the Relative Change of Brightness (RCB) in shadowed regions is proved to be more stable than moving objects regions,it is measured by the covariance of RCB of pixels on a template (5*5) so as to acquire the first discriminant.As the RCB in shadowed regions is stable in image sequences,a filter template is designed to make the RCB more unstable in regions of moving objects,so the second discriminant is presented.Shadow detection is carried out by fusing the two discriminant formulas describedabove,experimental results are evaluated quantitatively and qualitatively,and show that our method is robust and offers more advantage over other algorithms presented previously ondetection rate and discrimination rate.Keywords：Phong lighting and radiosity model;shadow detection;moving object detection;intelligent monitoring1 引言智能视频监控中一个重要技术是实现对运动目标检测，但是运动目标及其投影阴影[1]经常同时被检测为运动前景，因此阴影检测对运动目标准确检测是至关重要的，也对后续的跟踪、识别和分类产生重要影响。
一方面，投影阴影和运动目标都与背景有差别容易被误检为前景目标，这会使运动目标发生严重的改变：若干单个目标结合、目标形状改变、目标丢失(被阴影遮挡)和假目标出现(自阴影与目标分离，成为独立目标)。
另一方面，投影阴影与运动目标具有相同运动特征。
所以阴影检测成为智能视频监控技术一个热点和难点。
目前已发表很多有关阴影检测算法的文章，为了提高算法的鲁棒性和实时性，很多算法直接利用阴影本身特有的性质，目前已经普遍利用的性质有：亮度、颜色、纹理及模式等[2-7]；也有算法通过对阴影建立统计模型[8,9]，利用满足一定概率的约束条件来检测阴影。
2 Phong物体光照模型根据Phong物体光照模型[10,11]，物体被感知的亮度由环境光、漫反射光及镜面反射光组成：式中ka,kd和ks分别为环境光、漫反射光及镜面反射光系数；Ia,Il分别为环境光及光源直射光强度；θ为入射光与物体表面法线之间的夹角；α为反射光与视线间的夹角；ns 为镜面反射参数。
考虑到实际自然场景中绝大部分区域为非光滑区域，而对于图像每一象素，镜面反射分量即式(1)第三项Ilkscosns α= 0[12]。
反射系数ka,kd取决于物体表面的特性，环境光反射是全局漫反射光照效果的一种近似，本文认为场景中环境光反射也是一种漫反射，其反射系数ka和漫反射光反射系数kd 对于同一物体表面材质是相同的，即kd = ka。
3 阴影检测算法目标检测结果是前景目标(包括运动目标和阴影)，所以本文阴影检测只对前景目标象素进行处理。
3.1 阴影判决式Ⅰ假设Ic(x,y)为当前图像象素(x,y)亮度值，Ib(x,y)为背景图像象素(x,y)亮度值，背景图像与当前图像对应象素的亮度差值为：对于一个较小区域(如5×5模板)的所有象素，式(5)中，入射光和环境光比值Ibl/Iba恒定不变。
而θ可以认为近似相同，所以阴影区域象素ΔIshadow(R)是恒定的。
式(6)中，kbd，kcd为不同材料反射系数，区域内各个象素比值kcd/kbd是变化的，虽然θb，θc都近似相同，其比值cos θc/cos θb一般也是变化的，所以目标区域内所有象素ΔIshadow(R)是变化的。
根据式(3)计算R通道ΔI(R)得到图像P。
本文在图像P 的5×5模板上计算所有象素ΔI(R)的协方差(cov)。
考虑到前景目标边缘处象素ΔI(R)的协方差(cov)计算，对5×5模板处于前景目标外位置ΔI(R)的值用模板中心位置的ΔI(R)的值替代。
目标检测得到运动前景二值图像为W，对于W中前景目标区域，得到以下判决式Ⅰ：3.2 阴影判决式Ⅱ阴影判决式Ⅰ利用空间亮度相对变化在整个阴影区域是稳定的，而从式(5),式(6)可知：ΔIshadow(R)只与场景中光照强度及其方向有关，虽然光照和方向都是变化的，但式(5)分式相除后其ΔIshadow(R)受光照强度和方向影响是很小的，在时间上保持相对稳定,而ΔIobject(R)随进入场景中运动目标的不同而改变。
本文设计一个模板,如?┩?1(a)所示。
模板总和为1，离模板中心近象素的权值最小、远象素权值最大，用图1(a)对图像P滤波得到图像P′，图像P′阴影区域ΔI′仍保持恒定，非阴影区域ΔI′变化增大。
因为整个阴影区域ΔIshadow(R)的值是稳定的，而运动目标区域ΔIobject(R)的值随运动目标发生改变，所以一方面，设计的模板越大，就越能使非阴影区域ΔI′变化增大，而阴影区域ΔIshadow(R)始终保持稳定；另一方面，模板越大，前景目标越小,为了使非阴影区域ΔI′变化更大，可以增大中心象素的权值，算法中使用图1(a)的增强模板图1(b)。
利用(b)滤波后，ΔIshadow(R)值较稳定，处在一定阈值范围内，而ΔIobject(R)变化更大，分别对RGB通道滤波后，得到阴影判决式Ⅱ：4 阴影检测评估标准对于一个性能良好的阴影检测算法，一方面要使阴影点误分类为目标点的概率最低，即达到最优检测；另一方面也要使目标点误分类为阴影点的概率最低，达到最优区分。
本文采用Prati A等人[13]提出的定量和定性评估阴影算法标准。
对于定量评估，定义阴影检测率η(阴影被正确检测概率)和阴影区分率ξ(目标被正确检测概率)即：TPS和FNS分别为阴影点被正确检测数量及检测为目标的数量，TPF和FNF为目标点被正确检测数量及误检为阴影的数量。
定性评估包括：算法对噪声和阴影长度、宽度和形状的适应性，对运动目标及场景的依赖性，消耗时间，对间接阴影和轮廓的检测能力。
5 实验结果对比及分析本文使用国际上五个标准视频序列，图2是标准视频和本文算法阴影检测的结果。
图2中，Highway Ⅰ和Highway Ⅱ序列噪声水平中等，阴影尺寸一大一小，目标都为车辆；Campus序列噪声水平高，阴影大；Laboratory序列噪声低，阴影尺寸中等大小；Intelligent Room序列噪声水平中等，阴影中等大小。
进行定量评估，从视频序列中选取若干帧图像，手工分割检测前后的运动目标和阴影，计算运动目标及阴影点数量，得到TPS,FNS,TPF和FNF，代入式(13)得到η和ξ,同时根据第四部分进行定性评估。
最后把获得结果与文献[2]中结果进行比较，列表如下:表1和表2中SNP,SP,DNM1 和DNM2是文献[13]中归纳的4类阴影检测算法,其中，SNP和SP为统计性无参和含参类，DNM1 和DNM2为确定性非模型和基于模型类。
文献[13] 利用4类中典型算法对图2中5个视频进行实验，分别计算出阴影检测率η和区分率ξ，本文引用他们作为与本文算法进行比较的参考算法。
由表1可以看出：本文算法只在Highway Ⅰ序列中略低于SNP算法和Highway Ⅱ序列中略低于DNM2算法，其他情况下,本文算法的检测率都高于参考算法,只在Laboratory序列略低于SNP及SP和在Intelligent Room 序列中略低于SP及DNM2，其他情况区分率都高于参考算法。
因此，本文算法的阴影检测率和阴影区分率比参考算法在整体上都有提高。