基于計(jì)算機(jī)視覺(jué)的目標(biāo)檢測(cè)和陰影檢測(cè)算法的研究

蘇 暢

（黑龍江工業(yè)學(xué)院，黑龍江雞西，158100）

1　現(xiàn)狀問(wèn)題解析

1.1　背景建模

在計(jì)算機(jī)視覺(jué)領(lǐng)域中，要監(jiān)測(cè)所感興趣的物體，就必然要將我們感興趣的地方在可視范疇中標(biāo)出來(lái)，也就是目標(biāo)監(jiān)測(cè)。在檢測(cè)目標(biāo)的進(jìn)程當(dāng)中，通常要應(yīng)用背景差分這一項(xiàng)技術(shù)，但是當(dāng)在樹(shù)葉抖動(dòng)、陰天、攝像機(jī)運(yùn)動(dòng)和光照變化等這些復(fù)雜的外部運(yùn)動(dòng)條件下，怎樣才能夠迅速建立起穩(wěn)固并且動(dòng)態(tài)的背景，還是有很大的難度。

1.2　前景分割

利用背景差分技術(shù)來(lái)獲得前景目標(biāo)區(qū)域通常包括運(yùn)動(dòng)的陰影，由于這些運(yùn)動(dòng)的目標(biāo)形成的陰影和前景目標(biāo)分享是一樣的運(yùn)動(dòng)模式，所以，差分技術(shù)不能準(zhǔn)確的將前景和陰影分開(kāi)。同時(shí)，不正確的分類(lèi)陰影還會(huì)造成之后的目標(biāo)追蹤和數(shù)量預(yù)計(jì)。并且，根據(jù)姿勢(shì)為基本的行為識(shí)別的準(zhǔn)確率會(huì)減少。

1.3　魯棒性問(wèn)題

在一些現(xiàn)實(shí)的工作情況中，如果要把在實(shí)驗(yàn)室中探究所得出的理論科技運(yùn)用到復(fù)雜的現(xiàn)實(shí)應(yīng)用領(lǐng)域中，必須要進(jìn)行非常多的工作。這就需要系統(tǒng)具備非常強(qiáng)大的適應(yīng)性。一般需要系統(tǒng)不停的自動(dòng)工作，這個(gè)應(yīng)用需要視頻監(jiān)控系統(tǒng)對(duì)光線變動(dòng)、天氣和噪聲等影響要素不敏銳。但是，隱形區(qū)域的監(jiān)測(cè)結(jié)果極易被查分結(jié)果或者光照影響。這些問(wèn)題都是在現(xiàn)實(shí)應(yīng)用中需要被解決的。

1.4　特征提取

目前情況下，陰影監(jiān)測(cè)技術(shù)通常利用的特征有物理特征、亮度特征和色度特征，但是因?yàn)椴煌奶卣鬟m合的環(huán)境不一樣，因此，找出一個(gè)適合固定的應(yīng)用的最好特征還是有非常大的困難。

1.5　性能評(píng)估

最主要的指標(biāo)對(duì)于陰影監(jiān)測(cè)的準(zhǔn)確性,魯棒性和系統(tǒng)能否不被噪音所影響，是否具備目標(biāo)的場(chǎng)景獨(dú)立性、平衡的計(jì)算負(fù)載和目標(biāo)的獨(dú)立性，是否能監(jiān)測(cè)到半影以及間接陰影有直接聯(lián)系。視頻監(jiān)控技術(shù)因?yàn)槟切?fù)雜的問(wèn)題變得更加靈活和復(fù)雜，所以，也在不停地尋找更為有效的陰影監(jiān)測(cè)評(píng)測(cè)指標(biāo)。

2　陰影檢測(cè)

2.1　特征提取

運(yùn)動(dòng)投射陰影檢測(cè)一般是以陰影描述為基礎(chǔ)。研究的人一般是用某些特征建模陰影。通常具備的屬性特征主要有：紋理模式、圖割、色度不變量、光學(xué)物理模式、投射區(qū)大小形態(tài)及方向。依據(jù)檢測(cè)的算法進(jìn)行了分類(lèi)，而且將陰影算法的特征劃分為三類(lèi)：時(shí)間特征、空間特征和頻譜特征。但是在現(xiàn)實(shí)的工作中，對(duì)于監(jiān)測(cè)算法來(lái)說(shuō)，檢測(cè)結(jié)果通常被所選的特性所影響。

2.2　陰影檢測(cè)的方法

依據(jù)不一樣的建模方法，能夠?qū)㈥幱氨O(jiān)測(cè)方法劃分為兩類(lèi)：以陰影本身的特征屬性為基礎(chǔ)的方法和以場(chǎng)景模型為屬性的方法，最主要是運(yùn)用陰影所覆蓋的地區(qū)和相應(yīng)的場(chǎng)景背景的紋理、色度和亮度的差別來(lái)判斷陰影，并不是依靠特別的場(chǎng)景及光照。因此，這種以陰影自身的特征屬性的算法具備普適性而且魯棒性很強(qiáng)，但是以場(chǎng)景模擬為基礎(chǔ)的算法與以陰影監(jiān)測(cè)為基礎(chǔ)的算法則恰恰相反。一般情況下，是運(yùn)用場(chǎng)景中光照源以及運(yùn)動(dòng)的物體等信息，先設(shè)立一個(gè)目標(biāo)模型，再用匹配算法算出物體模型的形狀和邊緣。因?yàn)檫@種方法有很多限制條件，所以并不具備普適性。

2.3　陰影檢測(cè)算法的分類(lèi)

運(yùn)動(dòng)投射陰影這一檢測(cè)方法一般是以陰影描述為基礎(chǔ)。運(yùn)動(dòng)投射陰影這一檢測(cè)方法可以被劃分成空間-陰影-線索或幾何-陰影-信息或訓(xùn)練-陰影階段或之間隨便組合。相反，不同的陰影檢測(cè)方法可以在不一樣的級(jí)別上進(jìn)行，比如說(shuō)，只考慮某一個(gè)像素，運(yùn)用一組像素或者整個(gè)圖像的信息。研究的人通常情況下在監(jiān)測(cè)陰影時(shí)運(yùn)用了各種類(lèi)別的信息描述運(yùn)動(dòng)陰影，并且，通常將陰影多樣性的特征相互結(jié)合，造成了唯一一種分類(lèi)運(yùn)動(dòng)投射投影的方式難以完成。

3　目標(biāo)檢測(cè)

3.1　運(yùn)動(dòng)目標(biāo)檢測(cè)算法

如今已經(jīng)有的幾種經(jīng)典運(yùn)動(dòng)目標(biāo)檢測(cè)辦法一般包括以下這三種：幀間拆分法、光流法和背景減除法。盡管在許多文獻(xiàn)中都提到了多重目標(biāo)監(jiān)測(cè)的算法，但是在復(fù)雜的外部環(huán)境當(dāng)中，確立運(yùn)動(dòng)目標(biāo)這一問(wèn)題到目前為止還沒(méi)有被研究者們所解決。

3.2　背景建模技術(shù)

當(dāng)攝像機(jī)停止的時(shí)候采取背景差分算法，背景差分算法是背景建模這一過(guò)程的核心，背景模型要有一定程度的敏感從而才能識(shí)別到運(yùn)動(dòng)的目標(biāo)。并且背景建模是以產(chǎn)生參考模型為目的。運(yùn)用參考模型和目前的所有幀相減來(lái)獲得變化的區(qū)域。這種辦法具有的優(yōu)勢(shì)是可以得到比較完整的運(yùn)動(dòng)的目標(biāo)區(qū)域。但是這一算法的抗干擾能力比較差，因此外在環(huán)境的變化對(duì)這一算法的影響非常大。

4　結(jié)束語(yǔ)

在智能視頻的監(jiān)控領(lǐng)域中，目標(biāo)檢測(cè)過(guò)程中檢測(cè)的目標(biāo)的一部分還包括對(duì)不感興趣的目標(biāo)在運(yùn)動(dòng)的時(shí)候所產(chǎn)生的投射的陰影進(jìn)行檢測(cè)，從而引起誤檢造成后續(xù)處理麻煩。投射目標(biāo)和陰影具備一樣的運(yùn)動(dòng)模式，是這個(gè)問(wèn)題的難點(diǎn)。因此在監(jiān)測(cè)的過(guò)程中，需要有一種高效并且可靠的對(duì)于運(yùn)動(dòng)的目標(biāo)陰影的檢測(cè)方法，因此，解決存在陰影造成的之后目標(biāo)追蹤和物體識(shí)別等一些不利的計(jì)算機(jī)視覺(jué)問(wèn)題。視頻監(jiān)控技術(shù)早就進(jìn)入人類(lèi)生活的方方面面，同時(shí)也提升了人類(lèi)生活的水平。雖然外在環(huán)境和人體運(yùn)動(dòng)所具有的多樣性導(dǎo)致了現(xiàn)在期望的人體行為識(shí)別和現(xiàn)實(shí)有所差距。但人體行為識(shí)別技術(shù)的市場(chǎng)前景還是很廣闊。這主要表現(xiàn)為在智能監(jiān)控、基于內(nèi)容的視頻分析和檢索、人機(jī)交互和智能視頻監(jiān)控等領(lǐng)域。