运动目标检测中阴影去除算法的研究与实现(20)

毕业设计论文 运动目标检测中阴影去除算法的研究与实现

由于这两个特征的存在就会将阴影错误地检测成我们所需要的运动目标。这样就会产生与阴影有关的一系列问题，如阴影会造成：(1) 运动目标形状的变化，即目标和阴影常连成一块形成前景的目标块，阴影形状会随目标的运动和光照方向的改变而发生改变，所以造成目标形状改变；(2) 目标的合并，即阴影会把不相连的若干单个目标相互连接在一起；(3) 目标丢失，即运动目标落在另一个运动目标的阴影里；(4) 假目标的出现，即目标与阴影分离时，阴影成为独立目标。这些问题的存在会对后续的目标跟踪、识别、分类产生很大的负面影响。因此，近年来阴影检测成和去除成为智能视频监控系统的关键技术技术中研究的一个重要问题。

4.3 阴影检测算法概述

Salvador等把阴影的检测算法分为两类：一类基于模型的阴影检测算法，另一类基于阴影属性的阴影检测算法。

4.3.1 基于模型的阴影检测算法

基于模型的算法，需要事先利用场景、运动目标的三维几何结构和光照等方面的已知信息建立阴影模型，然后根据阴影模型可以精确地计算出阴影的形状和位置。但这种方法存在一定的局限性：(1) 对于一些具有简单几何形状的物体建立模型是可以的，而对于形状复杂的物体，尤其是柔性物体的建模是非常困难的；(2) 在动态场景中，很多情况下一些先验知识很难获得，只能在一些特定的场合使用，模型的建立过程也比较复杂。

Jeong K等提出利用双目摄像机来去除阴影的方法。他们认为用两个摄像机通过运动分割方法产生的前景中，不存在视差的区域则可能是阴影区域，但这个条件并不一定充分，所以他们对阴影像素建立了一个自适应的混合高斯模型。一旦得到阴影的颜色模型，它就可以对连续帧中的视频用零视差约束的方法进行阴影检测。这种算法虽然效果较好，但成本较高、计算量大。

Nadimi S和Bhanu B在文献[8]中提出的方法是一种依据照明和反射的物理模型方法，它不依赖物体、背景的类型和画面的几何性，但是需要训练，计算场景中来自阴影的每个背景表面的颜色向量。

Koller等提出提取运动车辆的边缘信息，然后利用由12个参数控制的3D车辆几何模型匹配图像中的车辆，并利用先验的光照模型求取车辆在道路平面上的投影。

基于模型的方法由于具有某种知识模型的支持，会取得效果相对较好的检测结果，但是其模型往往非常复杂，尤其在背景比较复杂、光照条件比较差的场合下，模型的复杂度和计算时间都会迅速增加。因此，基于模型的方法在某些比较简单的特定场合被使用，比如说航拍图像的理解处理、车辆的监控等等。

4.3.2 基于阴影属性的阴影检测算法

基于阴影属性的算法是直接利用阴影本身特有的属性，比如边缘信息、阴影的亮度、纹理信息、不同的颜色空间等。它比基于模型的方法具有更广泛的适用性。

在文献[9]中，Angie W.K.S等人提出了利用边缘信息去除视频中阴影的方法。