視頻圖像運動環境下陰影的消除方法

張大禹

摘 要 文章首先針對視頻監控工作領域中運動目標的陰影檢測以及消除的重要性，以及常用的方法類別展開分析，而后就幾個典型的計算消除方法展開深入討論，對于切實深入了解運動環境下陰影的消除的有著一定的積極意義。

關鍵詞 運動；陰影；消除；算法

中圖分類號 G2 文獻標識碼 A 文章編號 2096-0360（2015）01-0035-02

就目前我國的媒體技術發展狀況而言，視頻已經成為了重要的媒體形式。尤其是在監控應用環境之下，視頻的價值更是突出。而為了實現更為有效的視頻監控，基于當前的計算機應用以及技術特征來實現更為自動化的工作方式和效率提升，對于視頻序列中的運動目標實現有效識別和檢測，就成為計算機視覺識別認證中的一個重要研究課題。

1 運動目標陰影的識別與消除應用

在視頻監控工作體系中，如何對運動目標展開有效的識別，直接關系到整個監控工作的質量，并且進一步影響著整體工作效率的提升。在視頻監控工作體系技術層面的建立上，如何對陰影進行識別和消除，是整個視頻監控運動目標識別工作的基礎。

在展開對于某種物體的監控的過程中，由于目標對于光線的遮擋，必然會產生陰影區域。而如果監控目標處于移動狀態，陰影就會與移動目標合并，從而造成目標形狀的畸變或者損失，從而進一步導致無法對于目標展開有效的監控。

基于此種狀況，在實際工作過程中發展出多種技術和算法來實現對于陰影的識別和剔除。總體而言可以分為兩類，即基于模型的陰影檢測方法以及基于屬性的陰影檢測方法。其中前者主要是建立起對應的模型，用以實現對于陰影的描述和剔除，這種識別方式需要相對較多的經驗數據，才能確保對應的模型本身的合理性。但是這種陰影檢測方法本身在應用環境中表現出相對僵化的特征，因此通常用來處理相對固定的場景，比如背景固定，運動目標形狀固定以及光線狀態相對固定等。在相對固定的環境中，基于模型的陰影檢測方法能夠展現出良好特征，但是當監控目標為運動物體，或者物體本身形狀不確定，則模型檢測法無法有效發揮作用。

而基于屬性的陰影檢測方法則能夠相對有效地展開對于運動目標陰影的處理。從原理上看，基于屬性的檢測方法是利用陰影區域的光譜和幾何特性來實現對于陰影的檢測，常見的用以實現陰影檢測的屬性包括顏色、亮度、紋理和梯度等幾個方面。其中基于顏色的檢測技術主要是假設背景色度不受投射陰影的影響，從而對背景和陰影部分進行識別和區分；而基于亮度的檢測方法則是考慮到陰影較周圍環境應當更暗一些，因此常規會采用HSV顏色空間和YUV色彩空間等方法展開計算和識別。同時基于通常認為的投影不改變紋理和梯度性質，來實現紋理和梯度方面的特征分析，同樣能夠展開對于陰影的有效識別和分析，但是在實際應用環境中，基于這兩種思路的Gabor函數通常會因為計算量大，而在實際監測過程中的表現水平有待提升。

2 基于屬性的陰影識別和消除

在實際工作中，面對運動目標的時候，目前主要采用基于屬性的陰影識別工作方式展開工作。相對于基于模型的方式而言，此種工作方式無論從準確程度還是運算速度方面都有相對可行的一面。進一步可以從基于顏色、基于紋理以及基于梯度三個方面分別展開分析。

2.1 基于顏色的分析方法

基于顏色的分析方法，在展開陰影的識別和去除方面一直作為重點呈現，此種方法有相對較長的發展歷史，并且技術也比較成熟。常見的集中基于顏色的識別方式包括RGB標準化、RGI變換、HSV變換以及YCrCb變換四種。

RGB標準化模型參見式（1）。

（1）

此種計算方式在利用全面的壓縮手段，將前景整體壓縮，并且通過這種壓縮使得陰影能夠在檢測過程中忽略掉。此種工作方式廣泛應用于早期，并且以其良好的處理速度著稱，但是此種壓縮方式雖然能夠將陰影壓縮掉，同樣也有可能會造成目標本身相對較弱的部分有所損傷。

而RGI變換的運算模型則可以通過式（2）

表達：

（2）

此種變換方式可以更為有效地實現對于光照變化的良好的適應，但是同樣存在缺點，即會引入額外的異方差噪聲。

HSV變換相對復雜，這是一種更多考慮人的視覺能力的計算方法，涉及到色度H、飽和度S以及亮度V等多種描述。如果用I表示前景像素而B表示背景像素，表示閾值，則常見的計算方法如式（3）。

（3）

此種算法中，如果閾值能夠得到合理設置，則陰影檢測會有良好效果，但是在不同的視頻監控環境中需要對閾值進行調整，才能獲取優化效果。

最后，YCrCb變換的計算方式參見式（4）。

（4）

此種工作方式具有良好的工作效率，能夠實現快速的陰影消除。

2.2 基于紋理的分析方法

此種做法是考慮到在運動環境中，單獨的像素會隨著光線變化而變更其紋理值，但是局部紋理并不容易發生變化，因此可以加強局部紋理的描述，采用如式（5）扥算法實現對于LBP碼的計算：

（5）

其中表示中心像素灰度，而則表示鄰域環境中灰度，函數S（x）在x小于0時取值為0，其他情況下取值1。

2.3 基于梯度的分析方法

此種方法在此不多贅述，但是其工作基礎為設定陰影的梯度和背景的梯度具有一致性，并且一次通過計算當前幀和背景幀的梯度并且實現比較來測定陰影區域。在整個計算過程中，梯度算子十分關鍵，并且光照變化等多方面因素都會帶來一定影響。同時考慮到邊緣問題處理不夠完善，因此此種方法在實際應用環境中相對有限。

3 結論

實際對運動目標陰影的檢測和消除，通常是多種方法共同融合作用，并且以應用環境做出基礎展開深入考慮而選取最優的方法。

參考文獻

[1]楊俊，趙忠明.基于歸一化RGB色彩模型的陰影處理方法[J].光電工程，2007，34（12）.

[2]胡園園，王讓定.基于紋理不變性的運動陰影去除算法[J].計算機應用，2008，28（12）.