基于顏色空間轉換的運動目標檢測與陰影去除

李 靜，車 進，朱金艷

（寧夏大學物理電氣信息學院，寧夏銀川 750021）

基于顏色空間轉換的運動目標檢測與陰影去除

李 靜，車 進，朱金艷

（寧夏大學物理電氣信息學院，寧夏銀川 750021）

針對室內視頻監控中運動目標檢測常出現的陰影誤檢，提出了一種基于顏色空間轉換的自適應背景建模和陰影消除算法。在RGB空間采用自適應背景差對視頻圖像進行前景背景分離，并將檢測出的前景目標鎖定在活動輪廓矩形框內進行目標跟蹤，對于誤檢的虛假目標（即陰影），利用其亮度等信息，在HSV空間去除。經實驗驗證，該算法對陰影的去除有良好的效果，能準確檢測出真實目標。

運動目標檢測;背景建模;HSV空間;陰影去除

運動目標的檢測是視頻監控系統的首要問題，運動目標提取的好壞直接影響后續的目標跟蹤、行為分析等問題［1－3］。光線的強弱、方向會隨著天氣、時間的不同而發生無規律的變化，使得陰影具有很強的不確定性。陰影和運動目標與背景之間有很大的灰度差值，而且陰影與產生陰影的目標具有相同的運動特征，這使得運動目標檢測中會產生與陰影有關的一系列問題，如陰影會造成運動目標形狀的變化、目標的合并、目標丟失，這些問題的存在會對視頻監控的后續工作帶來負面影響。而目標檢測算法本身并不能識別和消除陰影，因此必須有特定的算法對檢測出的前景目標進行后處理。

與RGB顏色空間相比，HSV顏色空間更接近人眼視覺模型，能直接體現顏色的亮度信息，可以更好地量化陰影和運動目標之間的差別［4］。基于HSV顏色空間的陰影模型，利用陰影具有色度與背景相差不大，只是亮度比背景暗的特性，分離亮度和色度成分，并通過對亮度進行閾值分割，去除陰影，保留目標部分。

目前對于目標檢測和陰影去除存在著大量的研究，文獻［5］中用高斯混合模型進行背景重建，并根據陰影的光學特性進行了陰影區域的預檢測，得到疑似陰影區域，再用基于局部紋理分析的方法消除陰影;文獻［6］中基于模糊集建立顏色和空間信息之間的關聯，通過模糊邏輯檢測運動目標并消除陰影。本文提出了一種基于顏色空間轉換的自適應背景建模和陰影消除算法，在RGB空間進行目標檢測，并將檢測出的前景目標鎖定在活動輪廓矩形框內進行連續實時地跟蹤，對于目標中的陰影，利用其亮度信息，轉換至HSV空間消除。在HSV空間去陰影的最大優勢是能在檢測陰影的同時就消除陰影。

1 自適應背景建模

由于室內環境變化相對簡單，同時也為了提高運算速度，本文在運動目標檢測中沒有選取當前的研究熱門混合高斯背景差算法［7－8］，而是采用一種簡單、快速的自適應背景建模法分離前景背景。

1.1 運動目標的檢測

默認視頻第一幀圖像為背景，將其與當前幀圖像做差，將差值取絕對值與閾值比較，判定是否為前景目標，Mt（x，y）=1時，即認為是目標，判決公式如下

Mt（x，y）=0時，判定不為前景，則進行背景更新，學習速率α取經驗值，更新公式如下

用半徑為3的圓盤型結構元素對檢測出的前景圖像進行形態學膨脹操作，去除圖像邊緣噪聲，填充圖像內部空洞，完善細節，結構元素如圖1所示。

圖1 圓盤結構元素

1.2 目標標記

在圖像分析中，以一種方式表示檢測到的或跟蹤過程中的物體，以減少冗余信息，就是目標標記。常用的有點標記法、矩形框標記法、外輪廓標記法、塊標記法等。本文選用矩形框標記，即用包含目標區域的矩形框表示目標。

1）初步確定目標輪廓

對膨脹后的圖像進行行列掃描，若存在某一像素值dim（x，y）=1，則判定為前景，所有值為1的像素構成一個矩陣dim，用bwtraceboundary函數跟蹤dim中目標的輪廓，非零像素表示目標，零像素構成背景。

2）目標輪廓面積分析

判定各前景目標輪廓邊界長度，進行輪廓面積分析，如果輪廓面積小于規定的閾值，則濾除這些輪廓標記，以避免檢測環境中的微小噪點被誤判為運動目標;大于閾值的則進一步確定為目標。在目標輪廓面積分析中，設定的輪廓閾值可根據室內監控環境面積以及攝像頭與主要監控地點的距離進行調節。

3）模板與后續幀圖像的匹配

剪切前景目標圖像，讀取其輪廓行列邊界作為模板，將模板邊界與后續幀圖像檢測的前景輪廓邊界進行比較，更新模板確保其足夠小，用函數normxcorr2計算模板與后續幀前景輪廓的互相關矩陣，返回互相關中的最相關為最佳匹配，最終確定最佳匹配為標記運動目標的矩形框。

4）活動輪廓里的跟蹤

活動輪廓匹配跟蹤的基本思想是:取匹配后的輪廓模板，在后繼幀的前景圖像中跟蹤目標輪廓，并且該輪廓能夠自動連續實時地更新。即始終檢測視頻每一幀中出現的運動目標，更新并確定矩形框為最佳匹配，對目標進行鎖定跟蹤。

2 HSV空間去除陰影

檢測出的前景，通常包括運動目標、陰影以及一些雜小噪點，去除陰影的原則就是只保留運動目標。基于色調（H）、飽和度（S）和亮度（V）的顏色模型稱為HSV顏色模型。HSV模型可在彩色圖像中消除亮度分量的影響從而獲得色調和飽和度的彩色信息，這反映了人的視覺系統感知色彩的方式，所以人能更自然、更直觀地解釋和感受顏色［9］。

基于HSV顏色空間的陰影模型，比RGB顏色空間更準確地檢測出陰影。該方法通過分析陰影與背景在HSV顏色空間中的亮度特性，利用陰影與運動目標在HSV的3個分量的不同特點，計算每個分量相應的閾值，通過閾值分割并消除陰影。本文對當前幀像素和其對應的背景像素采用如下公式判斷并去除陰影，公式為

式中:IH（x，y），IS（x，y），IV（x，y）分別表示當前幀圖像像素點I（x，y）的 HSV 分量;BH（x，y），BS（x，y），BV（x，y）分別表示背景圖像像素點的HSV分量;當I（x，y）被判定為陰影，則該點的sp（x，y）值為1，否則sp（x，y）值為0;參數αS和βS控制亮度，取值范圍均為（0，1）;αS取值要考慮陰影的強度，背景上投射的陰影越強，αS越小;βS用來調節當前幀的亮度不能和背景太相似［3］;參數τS和τH為飽和度差和色調差的閾值。本文采用實驗方法獲得參數取值，利用部分訓練數據進行陰影檢測和性能分析，選取性能較好的參數組合。一般來說，通過實驗獲得參數的方法在相近的場景和光照條件下都能獲得較好的分割結果。

3 算法流程

算法流程主要分為兩個階段:目標檢測和陰影去除。在運動目標檢測過程中，通過路徑讀取視頻，將視頻轉換成幀圖像，確定第一幀為背景圖像，將循環讀取的幀圖像與當前背景用差分法得到差分數據，若閾值判定是前景，則進行后處理，判定不是前景則進行背景更新。然后對前景目標進行輪廓面積分析，以便找出最佳匹配的模板，進行矩形框里的跟蹤。在陰影去除過程中，將第一階段得到的視頻圖像進行顏色空間轉換，通過陰影判決公式檢測出誤檢目標，對其進行閾值分割、消除陰影，最終得到清晰的運動目標。算法流程如圖2所示。

圖2 算法流程

4 實驗結果

實驗選取了2段室內視頻進行驗證，分別為下載視頻video1、采集視頻video2，2段視頻由于場景中不同靜態物體的光線變化產生陰影，造成目標誤檢，使得檢測中出現了2個矩形框，實驗目的是去除誤檢矩形框中的虛假目標。由于2段視頻光源不同，分別為燈光和日光，導致HSV各分量不同，去陰影時所選取的閾值也就不同，具體參數值如表1所示。

表1 HSV空間去陰影參數值

視頻video1中第50幀，由于人經過使金屬桶表面光線發生變化，產生虛假目標，造成陰影誤檢，如圖3所示。

視頻video1中第65幀，由于電壓不穩使頂燈照射的光線發生變化，產生虛假目標，造成陰影誤檢，如圖4所示。

圖4 誤檢頂燈

視頻video2中第119幀，由于人在地面的投影，產生虛假目標，造成陰影誤檢，如圖5所示。

圖5 誤檢人影

視頻video2中第217幀，由于人經過使桌子側面光線發生變化，產生虛假目標，造成陰影誤檢，如圖6所示。

圖6 誤檢桌側面

5 結論

在運動目標檢測中，運動目標的陰影由于與背景有較明顯的差別，所以經常被誤檢為前景，會影響后續的跟蹤、識別和行為分析的結果。本文針對室內視頻監控中運動目標檢測常出現的誤檢，提出了一種基于顏色空間轉換的自適應背景建模和陰影消除算法，在RGB空間采用自適應背景差對視頻圖像進行前景背景分離，并對檢測出的前景目標進行矩形框目標跟蹤，對于誤檢的虛假目標（即陰影），利用其亮度信息，在HSV空間去除。經過2段視頻處理驗證，該算法運算簡單，對陰影的去除有良好的效果，能準確檢測出真實目標，有一定的實用性。

:

［1］丁忠校.視頻監控圖像的運動目標檢測方法綜述［J］.電視技術，2008，32（5）:72－76.

［2］蔣巍，張健，曾浩.基于智能視頻監控系統的運動目標檢測和跟蹤［J］.電視技術，2012，36（5）:110－114.

［3］GIACINTO G.Moving targets in computer security and multimedia retrieval［J］.Trans.Machine Learning and Data Mining，2011，4（1）:30－52.

［4］林慶，徐柱，王士同，等.HSV自適應混合高斯模型的運動目標檢測［J］.計算機科學，2010，37（10）:254－256.

［5］任建強.一種自適應的運動目標陰影消除新算法［J］.計算機工程與應用，2010，46（36）:188－191.

［6］ZHU Mingfeng.A novel approach for shaded moving object detection based on Fuzzy sets［J］.Advanced Materials Research，2012（33）:5293－5297.

［7］劉鑫，劉輝，強振平，等.混合高斯模型和幀間差分相融合的自適應背景模型［J］.中國圖象圖形學報，2008，13（4）:729－734.

［8］黃鑫娟，周潔敏，劉伯.自適應混合高斯背景模型的運動目標檢測方法［J］.計算機應用，2010，30（1）:71－74.

［9］方賢勇，賀彪，羅斌.一種基于HSV顏色空間的新碼書模型［J］.計算機應用，2011，31（9）:2497－2501.

Moving Target Detection and Shadow Elimination Based on Color Space Conversion

LI Jing，CHE Jin，ZHU Jinyan

（School of Physics and Electronic Information Engineering，Ningxia University，Yinchuan 750021，China）

An algorithm of adaptive background modeling and shadow elimination based on color space conversion aims at the error detection of shadow in moving target detection for indoor video surveillance is proposed.The adaptive background difference is used to separate background and foreground of image and the detected target is locked in active contour（it means rectangular box）for target tracking in RGB space.False target（it means shadow）of error detection is removed by using its brightness and other information in HSV color space.The experimental results prove that the algorithm has a good effect for shadow elimination.Moreover，it can detect the real target accurately.

moving target detection;background modeling;HSV color space;shadow elimination

TN941.1

A

【本文獻信息】李靜，車進，朱金艷.基于顏色空間轉換的運動目標檢測與陰影去除［J］.電視技術，2013，37（13）.

寧夏自然科學基金項目（NZ1138）

李 靜（1987— ），女，碩士生，主研數字圖像處理技術;

車 進（1973— ），碩士生導師，副教授，主要從事圖像處理及智能視頻技術研究;

朱金艷（1989— ），女，碩士生，主研數字圖像處理技術。

責任編輯:任健男

2012－12－30