一種陰影消除算法優化及DSP實現

祝宇鴻，陳賀新，張 燕

(吉林大學通信工程學院，長春130012)

近年來，許多學者在移動偵測陰影消除算法方面進行了大量研究，文獻［1］采用基于梯度分析消除陰影，算法簡單但陰影消除效果一般。文獻［2］在彩色空間模型下進行的陰影檢測和消除，通用性強且結果較精確;但參數較多，需在不同場景修正，靈活適應性差。文獻［3］和文獻［4］通過模型精確地計算出陰影的形狀和位置，算法比較復雜且計算量大。文獻［5］和文獻［6］均采用Sobel算子進行梯度分析的方法去除運動目標的陰影，其復雜度較高。文獻［7］提出了一種新的雙矩形框算法，在彩色空間模型下提取運動目標時，能夠較好地去除光照變化陰影影響。

本文優化了基于空間的雙矩形框算法流程，使用自制的DM642多媒體DSP硬件系統實現了算法。實驗結果證明，優化后的算法能夠很好地去除陰影，實現了運動目標的精確提取。

1 原移動偵測算法

1.1 算法流程

移動偵測算法主要包括視頻圖像預處理，初步確定目標的運動區域，陰影消除、進一步精確目標的運動區域，目標提取，光照干擾影響消除，背景更新等。算法流程如圖1所示。

圖1 移動偵測算法流程圖Fig.1 M otion detection algorithm flow chart

1.2 預處理

圖1中視頻預處理包括利用灰度統計平均法提取初始背景圖像，對讀入的視頻使用維納濾波進行高斯白噪聲的濾除，將輸入視頻圖像轉化為HSV格式。

1.3 外接矩形框算法

因為三幀差分法存在孔洞和雙影的問題，研究了一種使用兩次矩形框計算標定運動目標的算法［5］，稱為“雙矩形框法”。設當前幀為fk(x，y)，每隔 n幀取一幅圖像，圖像大小為 M×N，fk－n(x，y)和fk+n(x，y)分別表示視頻流前次采樣幀和下次采樣幀。算法步驟如下。

(1)計算fk－n(x，y)和fk(x，y)的二值差分圖像dk－n(x，y)。dk－n(x，y)中所有值為1的像素點的集合記為B1。

集合B1中x的最小值標記為x1min，最大值標記為x1max，用公式表示如下:

同理，得到y1min和y1max。

在dk－n(x，y)中，以(x1min，y1min)和(x1max，y1max)為對角頂點的矩形即為dk－n(x，y)的外接矩形框。

(2)計算fk(x，y)和fk+n(x，y)的二值差分圖像dk+n(x，y)，同理可得B2。

同理得到x2min，x2max，y2min和y2max:

在dk+n(x，y)中，以(x2min，y2min)和(x2max，y2max)為對角頂點的矩形即為dk+n(x，y)的第2個外接矩形框。

(3)令

以(xmin，ymin)和(xmax，ymax)為對角頂點的矩形即為所求矩形框。

1.4 運動區域初步確定

此步驟使用了幀間差分算法、雙矩形框算法和閾值分割算法。

閾值分割算法采用將Otsu閾值分割算法與單峰直方圖法相結合的方法。

運動區域初步確定步驟為，在HSV彩色模型下，計算V分量的相鄰視頻幀幀差，然后雙矩形框算法初步確定目標的運動區域，得到矩形框。依據得到的矩形框，判斷當前幀視頻幀中是否有運動目標。若無，則執行步背景更新步驟。

1.5 陰影消除精確目標運動區域

設背景圖像為fb(x，y)，當前幀圖像為fc(x，y)，則背景差分視頻幀為:

其中，T1為二值化閾值，取值為1和0的像素分別對應于前景和背景。

計算S分量的背景視頻幀幀差，并采用一般矩形框法計算其外接矩形。由于S分量不受陰影效應影響，由此得到的矩形框可進一步縮小目標區域，即將陰影部分去除。由得到的矩形框再次判斷當前幀圖像是否有運動目標出現。若無，則執行背景更新步驟。

1.6 目標提取

在精確的目標運動區域內，分別計算H、S和V分量的背景差分圖像，設為Hob、Sob和Vob，然后按照公式(8)將三者進行“相或”運算，提取運動目標的完整信息HSVob。

1.7 光照干擾消除和背景更新

用HSVob的像素點數占整幅圖像總像素點數的百分比判斷是否有光照影響。若無光照突變，則HSVob是當前幀檢測到的運動目標;否則，舍棄當前幀，繼續檢測。

利用Surendra［8］背景更新算法對背景圖像進行更新。

2 優化的移動偵測算法

2.1 原算法可優化的步驟

在原來的算法中每個視頻幀都需要進行初步運動區域判斷，連同陰影消除步驟要使用兩次雙矩形框算法，且運動區域初步確定與陰影消除精確目標運動區域均在彩色模型下運算，計算步驟有冗余，可以進行算法優化。

2.2 優化的算法流程

優化算法是先進行運動判斷，若檢測到無運動則不進行運動區域判斷;若檢測到運動，進行陰影消除步驟，此處是在彩色模型下，利用V分量視頻幀幀差和S分量背景視頻幀幀差，在V分量僅使用幀間差分法進行運動目標初步判斷，而在S分量使用雙矩形框算法進行運動目標精確判斷，進行光照干擾消除后，進行目標提取。優化后的算法流程圖如圖2所示。

圖2 優化的算法流程圖Fig.1 Optim ized algorithm flow chart

優化后的算法流程對于運動視頻幀，節省了一次雙矩形框計算，且運動區域初步確定和精確確定陰影消除同時操作，因為均在HSV運算域針對V和S分量操作，在程序實現時簡化了運算步驟。

3 算法的DSP實現

3.1 DSP視頻幀捕獲

DSP使用的是自制的TMS320DM642［9］視頻板，其板上資源有PAL編碼器、PAL解碼器、DM642 DSP處理器及其外配SDRAM和FLASH等。

因為PAL解碼器送入DM642視頻數據是BT.656的格式，Y、Cb、Cr三個分量按4∶2∶2的頻率進行采樣，DSP實現需做Y、Cb、Cr彩色空間到HSV彩色空間的變換。且PAL解碼器的輸出為按場模式，而算法是采用幀處理的方式，因此DSP在視頻捕獲模式中配置為幀模式。

為了減小運算量，視頻輸入設為CIF格式，每個視頻幀的大小為320×240，這樣在HSV彩色空間，每幀就有3×320×240個像素點需要處理。

3.2 DSP算法實現

編寫了濾波、彩色空間變換、背景更新、雙矩形框算法等函數，在程序中合理定義變量的類型。為了調試方便，使用了RTDX技術。為了使程序可靠，合理使用了const、restrict和volatile關鍵字;為優化程序運行速度，使用內聯函數實現濾波、色彩空間變換、雙矩形框等算法;使用軟件流水技術實現指令的并行執行，從而提高代碼的執行效率。把頻繁使用的數據儲于L2 RAM空間的存儲區中。在DM642 DSP上編程實現了圖2中的算法流程。

4 實驗結果

經過優化后的算法使用DSP實現后，用一室外視頻流進行實驗，得到測試視頻幀及提取運動目標的圖像如圖3所示。

圖3 移動偵測算法實驗結果Fig.3 Experimental result ofmotion detection algorithm

圖3中，上面為視頻幀，下面為移動目標提取的結果，通過實驗結果可以看出，實現的算法能夠有效去除陰影，較為完整得提取運動目標。

通過實驗證明，該算法不僅適用于室外環境，對室內燈光造成的陰影同樣具有很好的消除性能，實驗結果不再貼出。

5 結束語

研究了基于彩色空間模型的雙矩形框陰影消除算法的流程，對其進行優化，減少了計算量，通過設置DSP的視頻幀的捕獲及DSP程序的優化，在TMS320DM642中實現了該優化算法。實驗結果表明，該算法能夠較好地去除陰影，實現了運動目標的精確提取。

因為目前使用的是C語言代碼實現的，沒有使用DSP線性匯編進一步優化，視頻使用的是CIF格式，有待下一步工作繼續完善。

［1］Zhao T，Nevatia R.Tracking multiple humans in complex situations［J］.IEEE Trans Pattern Analysis and Machine Intelligence，2004，26(9):1208－1221.

［2］Rafael C Gonzalez，Richard E Woods.Didital image proccessing using MATLAB［M］.Beijing:Publish House of Electronics Industry，2009.

［3］Cucchiara R，Crana C，Piccardi M，et al.Improving shadow suppression in moving object detection with HSV color information［C］//The Proc of IEEE International Conference on Intelligent Transportation Systems. Oakland(CA)，USA，2001:334－339.

［4］Kilger M.A shadow handler in a video－based real－time trafficmonitoring system［C］//The Proc of IEEEWorkshop on Applications of Computer Vision.Palm Springs，CA，1992:11－18.

［5］林坤杰，萬曉東.基于邊緣信息及光照方向的陰影檢測算法［J］.計算機工程，2009，35(20):192－196.

LIN Kun－jie，WAN Xiao－dong.Shadow detection algorithm based on edge information and illumination direction［J］.Computer Engineering，2009，35(20):192－196.

［6］劉雪，常發亮，王華杰.運動目標檢測中的陰影去除方法［J］.微處理機，2008(5):116－117.

LIU Xue，CHANG Fa－liang，WANG Hua－jie.An shadow suppressionmethod in detectingmoving object［J］.Microprocessors，2008(5):116－117.

［7］張燕.移動偵測的抗干擾算法研究［D］.長春:吉林大學，2011.

Zhang Yan.Research on anti－interference algorithm of motion detection［D］.Changchun:Jilin University，2011.

［8］Surendra Gupte，Osama Masoud，Robert F K Martin，et al.Papanikolopoulos，detetion and classification of vehicles［J］.IEEE Transactions on Intelligent Transportation Systems，2002，3(1):37－47.

［9］ Ti，Inc.TMS320DM642 Video/Imaging Fixed－Point Digital Signal Processor(Rev.D)［EB/OL］.(2010－10－19).http://www.ti.com/product/sm320dm642－ep.